Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Trustworthy and Sustainable Automate Design of Algorithms for the Generative AI Era

Opis projektu

Wyjaśnialne, przejrzyste i zrównoważone automatyczne projektowanie algorytmów

Złożoność problemów obliczeniowych związanych zarówno z wieloma dziedzinami nauki, jak i z wyzwaniami przemysłowymi, przyczyniła się do wzrostu zapotrzebowania na zautomatyzowane rozwiązania w zakresie projektowania algorytmów. W przypadku dużych modeli językowych mamy do czynienia się z nowym paradygmatem automatycznego projektowania algorytmów. Nowe rozwiązania umożliwiają rozwój wdrożeń algorytmów na podstawie szerszego zestawu potencjalnych operatorów i eliminują konieczność ręcznego tworzenia struktur. Obecne badania dotyczące tego obszaru skupiają się jednak przede wszystkim na wydajności, często pomijając inne równie istotne kwestie, takie jak wiarygodność, wyjaśnialność i zrównoważony rozwój. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu TSADA pracuje nad opracowaniem zrozumiałych i wydajnych metod automatycznego projektowania algorytmów, poprawiając przejrzystość i efektywność wykorzystania zasobów. Badacze proponują zastosowanie zrównoważonych technik, które wykorzystują dotychczasową wiedzę w celu ograniczenia zbędnego treningu.

Cel

Algorithms are the key to solving complex problems across diverse research and application domains. However, traditional algorithm design relies heavily on human expertise, making algorithm design a costly and time-consuming process. While recent advances in Algorithm Configuration (AC) have partially automated the design of algorithms, their success still strongly relies on human-crafted algorithmic frameworks, limiting broader adoption across domains. With the advent of Large Language Models (LLMs), a new paradigm for Automated Design of Algorithms (ADA) has emerged, enabling the direct evolution of algorithm implementation from a significantly broader set of candidate operators, eliminating the need for handcrafted frameworks. Despite these advances, current ADA research primarily focuses on achieving competitive performance while neglecting trustworthiness, explainability, and sustainability, which are critical for practical deployment.
This project, TSADA, aims to address these issues by developing methods to enhance the explainability, transparency, and efficiency of ADA, including both traditional AC and LLM-driven approaches. Through working on the design of Satisfiability (SAT) solvers, I will propose sustainable ADA techniques capable of leveraging knowledge of prior algorithms to minimize redundant training tasks. Furthermore, I will systematically compare traditional AC and LLM-driven ADA methodologies to provide evidence-based guidelines for selecting the most suitable approach under different scenarios. By advancing explainable and resource-efficient ADA, TSADA contributes to the broader objectives of Explainable AI and Green AI, paving the way for more trustworthy, transparent, and sustainable algorithmic innovation.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

SORBONNE UNIVERSITE
Wkład UE netto
€ 226 420,56
Koszt całkowity
Brak danych