研究者提出基于流匹配的批量黑盒优化方法FMTR

Quoc-Anh Hoang Nguyen 等人提出 Flow Matching for Thompson-Sampling Refinement（FMTR），一种摊销式批量黑盒优化方法。它通过条件流匹配离线学习以历史为条件的连续候选分布，可在测试阶段采样可变大小的批量，且模型参数固定，无需重训任务专属代理模型或做数值采集优化。 研究称，FMTR 在合成与真实基准上优于批量贝叶斯优化及上下文基线，并大幅降低批量选择的计算成本。相关论文发布于 arXiv 的 cs.LG 分类。

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。