Một nhóm nghiên cứu liên hợp giữa MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) và Đại học Tokyo đã công bố bài báo “Zero‑Shot Neural Architecture Search” trên tạp chí Nature Machine Intelligence. Phương pháp này sử dụng mô hình meta‑learning để dự đoán hiệu suất của các kiến trúc mạng mà không cần chạy các vòng huấn luyện truyền thống.
Thay vì tiêu tốn hàng nghìn GPU‑hour cho mỗi thử nghiệm, Zero‑Shot NAS có thể đánh giá hàng triệu kiến trúc trong vài phút, giảm chi phí tính toán lên tới 70 %. Kết quả thử nghiệm trên các benchmark ImageNet và COCO cho thấy các kiến trúc được đề xuất đạt độ chính xác cao hơn 1,2 % so với các phương pháp NAS truyền thống.
Các tác giả khẳng định công trình này mở ra khả năng tự động thiết kế mô hình AI cho các thiết bị nhúng, nơi tài nguyên tính toán hạn chế. Họ cũng đã công bố mã nguồn trên GitHub để cộng đồng có thể tái tạo và mở rộng.
Bài báo sẽ được trình bày tại hội nghị NeurIPS 2026 vào tháng 12 tới.