汇报内容：

第一篇是《AttentiveNAS: Improving Neural Architecture Search via Attentive Sampling》提出了在训练中有效识别pareto网络的算法，无需额外重训练或后处理，就可以通过广泛的 FLOPs 同时获得大量的网络。
论文地址为：AttentiveNAS

第二篇是《HourNAS: Extremely Fast Neural Architecture Search Through an Hourglass Lens》提出了一种沙漏启发的方法，重点在于识别网络中重要的块，并将它们作为体系结构搜索的优先级，可以在保持高精度的同时实现极快的NAS。
论文地址为：HourNAS