少算力 高稳健
以元学习动态学习率替代固定学习率，在降低信息损失的同时引入代理模型预筛与周期性变异，使神经架构搜索在低算力下仍保持高性能。
李阳阳 · Guanlong, Liu · 尚荣华 · 焦李成
IEEE Transactions on Circuits and Systems for Video Technology 2025
用元学习（Meta-LR）替代固定学习率，获得适合当前架构的动态调度，减少训练过程中的信息丢失，提高评估质量。
自适应代理模型通过自适应阈值，在少量轮次内筛出潜在架构，只对它们进行完整轮次评估，大幅减少评估开销。
周期性变异算子增强种群多样性，提升泛化性和稳健性，使搜索不易陷入局部最优。