新方法用LLM辅助信息改进贝叶斯优化
热点事件持续更新
新方法用LLM辅助信息改进贝叶斯优化
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Efe Mert Karagözlü 等作者提出 AuxBO-Evolve 与 AuxBO-Vicinity 两种贝叶斯优化方法，用大语言模型处理训练曲线、专家笔记、图像等非结构化辅助信息。AuxBO-Evolve 用辅助信息更新对最优点位置的信念，AuxBO-Vicinity 用它局部引导采集函数。 在合成任务、超参数优化基准和带科学家手写日志的核聚变任务上，两种方法均优于标准贝叶斯优化和现有 LLM 方法。研究还发现，让 LLM 对最优点位置建模，比逐点建模目标值能提供更有效的概率指导。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
利用 LLM 的丰富辅助信息进行贝叶斯优化报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LG利用 LLM 的丰富辅助信息进行贝叶斯优化
研究者提出 AuxBO-Evolve 和 AuxBO-Vicinity 两种方法，利用 LLM 处理训练曲线、专家笔记、图像等非结构化辅助信息来改进贝叶斯优化。在合成任务、超参数优化基准和带科学家手写日志的核聚变任务上，两种方法均优于标准 BO 和现有 LLM 方法。研究还发现，LLM 对最优点位置建模比逐点建模目标值能提供更有效的概率指导。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。