标签
本文研究评估了前沿大语言模型在连续和离散环境中作为批量优化器的表现，发现它们在数值任务上具有竞争力，但在语义丰富的环境中比传统方法更有效。
WMLLM是一个自我进化优化代理框架，使用大语言模型的预测-然后行动世界建模来提高黑盒优化中的样本效率，在多目标分子优化中实现了最先进的结果。
本文介绍了GRAPE，这是一个用于查询高效的高维贝叶斯优化的两阶段框架，通过优化梯度后验并基于预期进展选择更新方向，在对抗性攻击和大语言模型提示优化中展示了优越的性能。
本文探讨了多保真贝叶斯优化问题，其中最高保真函数因代价过高而无法纳入优化循环，并提出了结合历史高保真数据与任务描述符的方法。该方法在合成函数、化学以及超参数优化任务上得到了验证。
介绍了BBOWP-Bench，一个用于评估LLM在黑盒优化文字问题上的基准测试套件。在这些问题中，系统必须从自然语言描述中推断搜索空间和优化算法。初步结果显示，LLM能够选择合适算法，但在搜索空间设计方面存在困难。
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。
介绍 SPARROW，一种黑盒优化算法，它将生成先验与奖励信号解耦，从而在低预算下利用嘈杂或不可靠的反馈实现有效优化。
一种新的GPU原生并行优化器ChiSao，针对多模态黑盒函数，利用收敛-反收敛振荡寻找所有模态。在基准函数上实现了100%的模态恢复，速度比基线方法提升高达34倍。
介绍了SPO，一种用于自动提示优化的随机搜索框架，包含三种策略，其中包括SAGE，一种智能体引导的多智能体流水线。在基准测试上进行了评估，并部署在心理健康聊天机器人上，通过持续优化显示出在留存率方面的改进。
本文提出DOMOO，一种多样性驱动的离线多目标优化方法，通过累积风险控制和嵌套帕累托集学习来解决分布外问题，在基准测试中实现了优异的收敛性和多样性。
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。
OpenAI 提出进化策略（ES）作为一种可扩展的黑箱优化方法，可替代强化学习用于训练神经网络策略。进化策略通过将策略训练视为随机参数搜索来简化优化问题，该搜索基于奖励反馈反复采样并选择更优的参数配置。