研究人员开发了一个统一的黑盒优化（BBO）方法理论框架，包括进化策略（ES）、基于共识的优化（CBO）和通过积分进行的优化（OVI）。该框架揭示了这些方法之间的主要区别在于它们的适应度聚合和共识范围选择。利用这些见解，研究人员引入了混合优化器，例如 ES-OVI 和 CBO-OVI，它们在现有技术之间进行插值。这些混合方法在各种基准测试中表现出改进的性能和鲁棒性，包括连续控制任务和语言模型合并。 AI
影响 引入了可能提高语言模型合并等人工智能任务性能和鲁棒性的新型优化技术。
排序理由 学术论文，详细介绍了用于黑盒优化新理论框架和混合算法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.25761v1 Announce Type: new Abstract: When gradient information is unavailable, black-box optimization (BBO) methods provide a practical alternative. While Evolution Strategies (ES), Consensus-Based Optimization (CBO), Optimization via Integration (OVI), and related met…
When gradient information is unavailable, black-box optimization (BBO) methods provide a practical alternative. While Evolution Strategies (ES), Consensus-Based Optimization (CBO), Optimization via Integration (OVI), and related methods have each been studied independently, their…