ATR warping 提升 PFN 贝叶斯优化性能

先验数据拟合网络（PFN）在目标函数长度尺度超出元训练先验分布时，其预测对数似那及优化性能常落后于高斯过程（GP）。针对这一短板，Samuel Younger、Tinkle Chugh 和 George De Ath 提出各向异性信赖域扭曲（ATR warping）方法。 该方法通过仿射变换对输入空间进行重缩放，有效修正了 PFN 在此类场景下的性能缺陷。研究团队已公开该方法的实现，为提升贝叶斯优化在复杂函数景观下的表现提供了新的技术路径。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。