研究者提出FMTR批量黑盒优化方法

研究者提出一种摊销式批量黑盒优化方法 FMTR（Flow Matching for Thompson-Sampling Refinement）。该方法通过条件流匹配离线学习一个以历史为条件的连续提议分布，可直接从中采样可变大小的批量。 据作者称，测试时模型参数固定，批量生成无需重新拟合任务代理模型或进行数值采集优化；在合成与真实基准上，FMTR 优于批量贝叶斯优化和上下文基线，并大幅降低批量选择的计算成本。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。