跳到正文
热点事件持续更新

HapBO:结合自然语言先验的贝叶斯优化方法

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,Jean-Sébastien Giroux等人在arXiv发布论文,提出HapBO方法。该方案将专家的自然语言先验编译为信念函数,在优化过程中无需调用LLM。 实验显示,在12至20次查询预算下,HapBO在40个HPOBench任务中取得最低聚合遗憾。该方法在6至15维合成套件及两个真实世界应用中,实际表现优于其他LLM辅助方法。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    HapBO: 结合专家自然语言先验的增强型α-π贝叶斯优化

    HapBO 通过自然语言先验提升贝叶斯优化效率,在 40 个 HPOBench 任务中取得最低聚合遗憾。 该方法将自然语言先验编译为信念函数,优化过程无需 LLM 调用。在 12-20 次查询的预算下,实际任务表现优于其他 LLM 方法。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。