新方法 Adaptive KappaSharp 增强了偏好贝叶斯优化

研究人员开发了 Adaptive KappaSharp，一种提高偏好贝叶斯优化 (PBO) 效率的新方法。PBO 用于基于用户成对比较来优化目标。新技术解决了标准方法中由于孤立的比较组件可能导致 Hessian 矩阵秩亏损的问题。Adaptive KappaSharp 对 Hessian 应用了对角线校正，特别是在先验不确定性较高的区域，并且仅在代理模型对近期比较有信心时激活此校正。该方法在 11 个基准测试中表现出更高的性能，比标准 PBO 基线高出 10.9%。 AI

影响 提高了依赖成对比较的系统的优化效率，可能加速人工智能应用中的研究和开发。

排序理由 该集群包含一篇详细介绍新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• Adaptive KappaSharp
• arXiv
• Expected Utility of Best Option
• Gaussian process
• KappaSharp
• Laplace Approximation
• PairwiseGP
• Preferential Bayesian Optimization

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →