tidyHEBO 贝叶斯优化方法提出

L. A. Zhukov 等作者提出 tidyHEBO 贝叶斯优化模型，联合学习输出变换与高斯过程参数，在原始目标尺度上评估采集函数，并在进化搜索中保留有潜力的新候选点。 据作者报告，在 Olympus 基准上，tidyHEBO 在典型优化质量、最差尾部结果和运行间波动三项平均排名中均列第一，并在 Needle-in-a-Haystack 问题上取得与专用优化器相当的结果；在 Bayesmark 基准的超参数调优任务中同样表现强劲。这些结论来自作者自述，尚待独立验证。

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。