研究者提出LB-MCTS优化框架用于CASH问题

Beicheng Xu等作者提出 LB-MCTS，一个以 Monte Carlo Tree Search 树为共享状态的轨迹结构化优化框架，用于 CASH 问题中的算法选择、超参数调优，以及贝叶斯优化与 LLM 提议者的协同。 据该论文称，在 104 个 AMLB 数据集上的实验中，LB-MCTS 持续优于基于贝叶斯优化、基于 LLM 以及混合的基线方法。该论文已被 NeurIPS 2026 接收。

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。