贝叶斯优化新方法：直接优化多步遗憾

研究者提出一种直接遗憾优化方法，不再分别设计代理模型与采集函数，而是从候选模型与采集函数集合中蒸馏，联合学习最优模型和非短视采集策略，显式地以最小化多步遗憾为目标。 该框架用不同超参的高斯过程集成生成模拟贝叶斯优化轨迹，训练端到端 Decision Transformer 选择下一次查询，并按“密集训练、稀疏学习”范式用少量真实评估在线修正高斯过程。作者为 Fengxue Zhang 和 Yuxin Chen，论文于 arXiv cs.LG 分类发布。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。