标签
本文介绍了最大鲁棒满意贝叶斯优化（MRSBO）方法，该方法能高效找到满足质量阈值且对部署后输入扰动具有鲁棒性的解，性能优于以往方法。
本文确定了两种结构机制，导致多任务高斯过程在贝叶斯优化迁移学习中错误估计跨任务相关性，即使对于仿射相关的任务也是如此。作者提出了三种保守的补救措施来缓解这些问题。
本文扩展了LLaMEA框架，利用大型语言模型作为进化策略中的变异和交叉算子，自动设计多目标贝叶斯优化算法，在合成和实际问题中以显著更低的计算成本实现了最先进的精度。
本文提出了一种多目标贝叶斯优化方法，用于自动化强化学习中的权重选择以实现节能控制，并在物理Quanser Aero 2测试平台上展示了优于网格搜索的样本效率。
介绍了 Bootstrap Flow-Map Tree (BFMT)，一种计算高效的采样框架，用于在预算约束下进行历史感知的全局搜索和对齐，实现从探索到精化的动态转换。
本文提出了一种优化GPT-5.2温度的方法，用于药物警戒中的Naranjo因果关系评估，通过贝叶斯超参数优化和一种新颖的复合指标（EWACS）实现了显著的一致性改进。
本文提出了一种范围感知贝叶斯优化框架，该框架直接对候选方案满足目标属性范围的后验概率进行评分，从而能够在多个规格中发现多样化的有效设计。
本文证明Optuna的约束树形帕森估计器（TPE）是c-TPE算法的联合密度推广，展示了其对约束重复的不变性，而独立的c-TPE则会退化。作者概述了实际权衡以及未来研究方向。
本文识别了有界域上高斯过程中边界诱导的采集偏差背后的几何机制，展示了核截断如何独立于目标函数膨胀后验方差并扭曲采集函数。作者引入了一种无函数诊断方法，以量化不同采集类别中的这种偏差。
ReLoRA是一个知识复用的适应框架，能够高效恢复面向不断演进的LLM服务的、可投入使用的LoRA适配器。通过自适应初始化和计划正则化，它可将准备时间缩短最多8.9倍，并将准确率提升最高4.6%。
本文提出了一种基于最优传输的置换不变贝叶斯优化方法，用于优化海上风电场布局。与标准贝叶斯优化相比，该方法将计算时间减少一半，并生成更优的布局。
论文介绍了Kernel Discovery，这是一个LLM驱动的进化框架，用于高维贝叶斯优化，它搜索更广泛的核空间并在基准测试上取得了最先进的结果。
LEAP框架将领域专业化的大语言模型与主动学习相结合，高效地对钙钛矿太阳能电池的前驱体添加剂进行优先级排序，在实验验证中实现了功率转换效率的提升。
本文为伪观测批量贝叶斯优化提供了一个统一的理论框架，证明了高斯过程（Gaussian processes）能产生不同的批量点，并且像Constant Liar和Kriging Believer这样的常见方法是一个单一条件化机制的实例。它引入了结构多样性诊断（SDD）来测试代理模型兼容性，并在多个基准函数和超参数调优中验证了预测结果。
本文将智能体工具使用中的信任校准形式化为一个偏好学习问题，利用高斯过程和贝叶斯优化来决定AI代理的行为何时应自主执行或需要人类批准。
介绍ReElicit，一个贝叶斯优化框架，利用大型语言模型（LLM）来引导和调整特征空间，在聚合标量反馈下优化系统提示，在十个基准任务上取得了强劲性能。
本文介绍了LEAPBench，一个包含55个任务的框架，用于对迭代科学设计中的LLM进行轨迹级评估。评估显示，基于结果的评分会遗漏效率提升，并且在匹配已发表的最佳设计时，领域无关提示可以优于领域感知提示。