arXiv cs.AI· Corrado Calamita, Matteo Mendicini, Luca Ferrari, Riccardo Bertamini·· 10 小时前AI 评分18
从进入到留存：质量-多样性搜索中如何预测持久后代
From Admission to Retention: Predicting Durable Offspring in Quality-Diversity Search
AI 导读
研究在无结构质量-多样性（QD）存档中，个体繁殖前可获得的信号能否区分仅进入存档与多代后仍被保留的后代。在平面机械臂基准和两个机器人运动任务上，同一信号常与进入和留存呈相反关联，谱系深度是最明显的此类信号，其留存判别力随种群容量增大而增强。但将父代选择偏向与存活关联最强的信号并未改善搜索：中等偏置与均匀采样持平，强偏置降低 QD-score。
正文 · AI 翻译
摘要：自动化故障发现可以被表述为一个多样性问题：目标是揭示系统失败的不同方式，而不是单一的临界对抗案例。然而，均匀的父代采样无法将搜索努力分配给那些可能产生持久档案贡献的个体。我们在一个非结构化的质量-多样性（QD）档案中研究这一信用分配问题，测试在个体繁殖之前可获得的信号能否区分仅仅进入档案的后代与在数代之后仍被保留的后代。在一个平面臂基准和两个机器人运动任务中，相同的信号往往以相反的方向与进入和持久性相关联。特别是，谱系深度是最清晰的此类信号，其持久性区分能力随种群容量增长，而种群容量与较低的更替率相关。然而，将父代选择偏向于与存活率测得关联最强的信号并不能改善搜索：中等偏置与均匀采样相当，而强偏置会降低 QD 分数。
| 评论： | 已被 NeurIPS 2026 自我演化多样性驱动搜索用于鲁棒 AI 系统研讨会（EvoRobust）接收 |
| 主题： | 神经与进化计算（cs.NE）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.06522 [cs.NE] |
| （或 arXiv:2611.06522v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06522 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Corrado Calamita [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 13:47:40 UTC（359 KB）
来源：arXiv cs.AI · arxiv.org