cs.MS, cs.LG, math.NA · 발표 2026-10-08임팩트
asdex: JAX에서 자동 희소 미분
Adrian Hill, Guillaume Dalle
인용 1
- 과학 계산 및 머신러닝에서 야코비안(Jacobian)이나 헤시안(Hessian) 행렬 계산은 필수적입니다.
- 기존 자동 미분(AD)은 밀집 행렬을 계산하기 위해 많은 연산이 필요하여 비효율적입니다.
- 자동 희소 미분(ASD)은 희소성 패턴을 활용하여 미분 행렬을 효율적으로 계산합니다.
- asdex는 JAX 생태계에서 최초의 독립형 ASD 툴킷을 제공합니다.
- asdex.jacobian과 asdex.hessian은 JAX의 기존 함수를 대체하는 희소 미분 기능을 제공합니다.
#자동 미분#희소 행렬#JAX#과학 계산
cs.CV · 발표 2026-10-08최신
에이전트가 진화하는 코드 세계, AgentGarten
Jiawei Chi, Shangchen Miao, Zhiyuan Shi, Kailu Wu, Hanyang Wang, Weiliang Chen, Qiyu Dai, Jinshan Ren 외 6명
Tsinghua University
HF upvotes 134
- 에이전트 학습을 위한 가상 환경은 사실적 시각과 일관된 규칙을 모두 갖추기 어렵습니다.
- AgentGarten은 시뮬레이터와 게임 엔진을 신경 렌더러와 결합하여 실시간 상호작용 환경을 구축합니다.
- 제안된 적대적 강제(Adversarial Forcing) 기법으로 신경 렌더러의 시각적 품질을 향상시킵니다.
- AgentGarten의 에이전트는 기존 강화 학습 대비 4라운드 만에 학습하여 효율성이 크게 향상되었습니다.
- 코드로 새로운 세계를 만들고 에이전트와 함께 진화하는 상호작용 학습의 가능성을 제시합니다.
TLDR (Semantic Scholar): AgentGarten is introduced, a framework that couples simulators and game engines with a shared neural renderer to build real-time interactive environments and demonstrates a substantial gain in learning efficiency, with agents learning from just 4 rounds compared with millions for a conventional reinforcement learning counterpart.
#에이전트 학습#가상 환경#신경 렌더러#강화 학습