跳到正文
热点事件持续更新

PraC框架:主动推断统一混合学习优化

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

2026年11月19日,Yingke Li、Anjali Parashar、Enlu Zhou及Chuchu Fan在arXiv(cs.lg)发布论文,提出名为Pragmatic Curiosity (PraC) 的统一框架。该框架旨在解决混合学习与优化问题,核心机制是通过主动推断将贝叶斯优化与实验设计相结合。 在技术实现上,PraC框架通过权衡信息增益与预期遗憾来评估候选查询。这一机制在决策监控、主动搜索及复合优化三个层级发挥作用,具体表现为降低下游风险并提升关键区域覆盖率。目前报道仅提及框架的理论提出与核心评估逻辑,尚未涉及具体实验数据或实际应用案例。

AI 根据报道生成 · 12 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19日
  1. arXiv · ML
    PraC 框架:通过主动推断统一混合学习与优化

    提出 PraC 统一框架,将贝叶斯优化与实验设计结合,通过主动推断解决混合学习与优化问题。 框架通过权衡信息增益与预期遗憾来评估候选查询,在决策监控、主动搜索及复合优化三个层级降低下游风险并提升关键区域覆盖率。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
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。