Thông cáo báo chí

kèo tỷ lệ nhà cái Phòng thí nghiệm AI、進化計算分野のトップカンファレンス「GECCO 2026」にて3本の共著論文採択

AI｜14 tháng 7 năm 2026

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Chủ tịch: Takahiro Yamauchi, TSE Prime Market: Mã chứng khoán 4751) là người tham gia thực tập nghiên cứu tại AI Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo, ông Koki Ikeda※1và nhà nghiên cứu Nozomi Hamano, Trợ lý Giáo sư Masahiro Nomura thuộc Khoa Công nghệ Thông tin, Trường Khoa học và Công nghệ Thông tin, Đại học Khoa học Tokyo, Kento Uchida, Giáo sư Dự án (Trợ lý Giáo sư) của Viện Nghiên cứu Cao cấp, Đại học Quốc gia Yokohama, và Giáo sư Shinichi Shirakawa thuộc Viện Nghiên cứu Cao cấp, Đại học Quốc gia Yokohama, là đồng tác giả ba bài báo tại GECCO, một hội nghị quốc tế kèo tỷ lệ nhà cái lĩnh vực điện toán tiến hóa 2026”※2

``GECCO'' là hội nghị quốc tế được tổ chức hàng năm bởi các nhà nghiên cứu từ khắp nơi trên thế giới và là một kèo tỷ lệ nhà cái những hội nghị quốc tế uy tín kèo tỷ lệ nhà cái lĩnh vực tính toán tiến hóa, một lĩnh vực quan trọng kèo tỷ lệ nhà cái tối ưu hóa Các bài báo được chấp nhận sẽ được trình bày tại "GECCO 2026" được tổ chức vào tháng 7 năm 2026 (Một sự kiện kết hợp ngoại tuyến và trực tuyến dự kiến được tổ chức tại San Jose, Costa Rica)
Đây là năm thứ 5 liên tiếp một bài báo của AI Lab được GECCO chấp nhận (※3、※4)

■Nền

kèo tỷ lệ nhà cái hoạt động kinh doanh quảng cáo, truyền thông và trò chơi trên Internet, chúng tôi sử dụng nhiều loại dữ liệu để đưa ra quyết định và cải thiện dịch vụ của mình hàng ngày Để tiến hành các hoạt động này một cách hiệu quả và có độ chính xác cao, cần có các hoạt động phức tạp hơn bằng cách sử dụng công nghệ tối ưu hóa và học máy

kèo tỷ lệ nhà cái những nỗ lực này, tối ưu hóa hộp đen, cho phép tìm kiếm các giải pháp đầy hứa hẹn ngay cả kèo tỷ lệ nhà cái những tình huống không biết trước các thuộc tính chi tiết của hàm mục tiêu và các kỹ thuật phân tích để thu được kiến thức có thể diễn giải được từ dữ liệu cũng quan trọng như các công nghệ hỗ trợ việc ra quyết định kèo tỷ lệ nhà cái các dịch vụ thực tế

Ba bài báo được chấp nhận lần này có mục đích cải thiện tính an toàn và khả năng diễn giải của các kỹ thuật phân tích và tối ưu hóa cũng như hiểu biết lý thuyết và là những kết quả sẽ đóng góp cho cả ứng dụng công nghiệp lẫn phát triển học thuật

■Tóm tắt bài viết

「」
Tác giả: Kento Uchida (Đại học Quốc gia Yokohama), Nozomi Hamano (Phòng thí nghiệm CyberAgent AI), Masahiro Nomura (Đại học Khoa học Tokyo), Shinichi Shirakawa (Đại học Quốc gia Yokohama)

Tối ưu hóa an toàn là phương pháp tối ưu hóa giúp tránh các nỗ lực dẫn đến rủi ro về an toàn, chẳng hạn như phá hủy hệ thống Thông thường, các mô hình dự đoán mức độ an toàn ở những khu vực chưa được khám phá có mục tiêu là các biến liên tục, gây khó khăn cho việc áp dụng chúng cho các biến rời rạc kèo tỷ lệ nhà cái nghiên cứu này, chúng tôi đã đề xuất phương pháp Tối ưu hóa An toàn nhắm vào các biến nhị phân thể hiện những thứ như "sử dụng/không sử dụng" Kết quả này dự kiến sẽ được áp dụng cho các kỹ thuật nhằm tối ưu hóa cài đặt hệ thống kèo tỷ lệ nhà cái môi trường thực tế và cải thiện kết quả sáng tạo đồng thời tránh nội dung có thể làm giảm trải nghiệm người dùng

「」
Tác giả: Koki Ikeda (Đại học Khoa học Tokyo), Masahiro Nomura (Đại học Khoa học Tokyo), Nozomi Hamano (CyberAgent AI Lab)

「」
Tác giả: Nozomi Hamano (CyberAgent AI Lab), Kento Uchida (Đại học Quốc gia Yokohama), Shinichi Shirakawa (Đại học Quốc gia Yokohama)

Chiến lược tiến hóa là phương pháp tìm kiếm không sử dụng thông tin độ dốc của hàm mục tiêu và gần đây đã thu hút sự chú ý như một phương pháp tinh chỉnh cho các mô hình ngôn ngữ quy mô lớn kèo tỷ lệ nhà cái nghiên cứu này, về mặt lý thuyết, chúng tôi đã chứng minh rằng kèo tỷ lệ nhà cái tối ưu hóa số nguyên hỗn hợp kèo tỷ lệ nhà cái đó các biến liên tục và biến số nguyên cùng tồn tại, phương pháp xử lý số nguyên tiêu chuẩn có thể cản trở việc tìm kiếm các biến liên tục Ngoài ra, nghiên cứu trước đây※4có thể được tìm kiếm một cách hiệu quả mà không can thiệp vào việc tìm kiếm các biến liên tục Kết quả này cung cấp cơ sở lý thuyết cho việc thiết kế các thuật toán tối ưu hóa số nguyên hỗn hợp hiệu suất cao và dự kiến sẽ được áp dụng cho nhiều lĩnh vực khác nhau, bao gồm cả tối ưu hóa siêu tham số

■Tương lai

Kết quả của nghiên cứu này dự kiến sẽ được áp dụng để dự đoán hiệu quả, phân tích hoạt động kinh doanh và cải thiện hoạt động kèo tỷ lệ nhà cái lĩnh vực quảng cáo và tiếp thị
"Phòng thí nghiệm AI" sẽ tiếp tục kết hợp công nghệ AI vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã hội, đồng thời sẽ tiếp tục nỗ lực nghiên cứu và phát triển để đóng góp vào sự phát triển công nghệ và học thuật

※1 Liên kết với Đại học Khoa học Tokyo Đã tham gia thực tập nghiên cứu từ ngày 10/04/2024 đến ngày 31/03/2026
※2
※3 AI Lab, bài báo đồng tác giả được chấp nhận tại hội nghị hàng đầu kèo tỷ lệ nhà cái lĩnh vực điện toán tiến hóa “GECCO2022”
　　AI Lab, bài báo đồng tác giả được chấp nhận tại hội nghị hàng đầu kèo tỷ lệ nhà cái lĩnh vực điện toán tiến hóa “GECCO2023”
　　AI Lab chọn hai bài báo đồng tác giả tại GECCO 2024, hội nghị hàng đầu kèo tỷ lệ nhà cái lĩnh vực điện toán tiến hóa
※4 AI Lab, bài báo đồng tác giả được chấp nhận tại GECCO 2025, hội nghị hàng đầu kèo tỷ lệ nhà cái lĩnh vực điện toán tiến hóa