近年来，通过神经架构搜索（NAS）算法生成的架构在各种计算机视觉任务中获得了极强的的性能。然而，现有的 NAS 算法需要再上百个 GPU 上运行 30 多天。在论文《multinomial distribution learning for effective neaural architecture search》中，厦门大学媒体分析与计算实验室（纪荣嵘团队）、深圳鹏城实验室的研究人员提出了一种基于多项式分布估计快速 NAS 算法，它将搜索空间视为一个多项式分布，可以通过采样-分布估计来优化该分布，从而将 NAS 可以转换为分布估计/学习。 除此之外，该论文还提出并证明了一种保序精度排序假设，进一步加速学习过程。在 CIFAR-10 上，通过这种方法搜索的结构实现了 2.55％的测试误差，GTX1080Ti 上仅 4 个 GPU 小时。在 ImageNet 上，实现了 75.2％的 top1 准确度。