研究人员开发了Active-MoSH，一个交互式框架，旨在帮助在具有多个竞争性目标和昂贵评估的复杂场景中进行决策。该系统集成了概率偏好学习和主动采样策略来优化帕累托子集，旨在减轻用户的认知负担。此外，一个名为C-MoSH的全局组件使用多目标敏感性分析来识别可能被忽略的解决方案，增强决策信心。该框架的有效性已通过合成数据、实际应用以及涉及宫颈癌近距离放射治疗计划的案例研究得到证明。 AI
影响 该框架可以改进需要复杂权衡的领域的决策过程，从而可能加速研发。
排序理由 该集群包含一篇详细介绍偏好学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
