University of Oxford（牛津大学）

DéjàQ: Open-Ended Evolution of Diverse, Learnable and Verifiable Problems

DéjàQ：开放性进化多样化、可学习且可验证的问题

Willem Röpke, Samuel Coward, Andrei Lupu, Thomas Foster, Tim Rocktäschel, Jakob Foerster

机构 * Willem Röpke AI Lab, Vrije Universiteit Brussel Belgium（维尔姆·罗普克人工智能实验室，布鲁塞尔自由大学） ； FLAIR, University of Oxford United Kingdom（FLAIR，牛津大学） ； University College London United Kingdom（伦敦大学学院） 纠错

AI总结 DéjàQ通过大语言模型驱动的突变策略动态进化多样化数学问题，提升模型的可学习性和推理能力，开源代码支持其应用潜力。

Relaxed Equivariance via Multitask Learning

通过多任务学习实现放松的等变性

Ahmed A. Elhag, T. Konstantin Rusch, Francesco Di Giovanni, Michael Bronstein

机构 * University of Oxford（牛津大学） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Tübingen AI Center（图宾根人工智能中心） ； AITHYRA 纠错

AI总结 本文提出REMUL方法，通过多任务学习在无约束网络中学习近似等变性，实现对称性的有效利用，提升模型性能并减少计算开销。