PulseAugur
实时 02:54:05

新框架通过务实的“好奇心”统一学习与优化

研究人员推出了一种名为“务实的‘好奇心’”(PraC)的新型框架,旨在统一复杂场景下的学习与优化。PraC 解决了必须同时提高性能和减少不确定性的决策情况,这是工程和科学工作流程中的常见挑战。该框架通过平衡对底层符号的信息增益与预期的基于任务的遗憾,来评估潜在行动,从而在学习和优化方法的选择上提供了灵活性。 AI

影响 引入了一种统一的混合学习和优化方法,有望改善复杂科学和工程任务中的决策。

排序理由 该集群包含一篇学术论文,详细介绍了混合学习和优化的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新框架通过务实的“好奇心”统一学习与优化

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yingke Li, Anjali Parashar, Enlu Zhou, Chuchu Fan ·

    Pragmatic Curiosity: A Unified Framework for Hybrid Learning and Optimization via Active Inference

    arXiv:2602.06104v2 Announce Type: replace-cross Abstract: Many engineering and scientific workflows rely on expensive black-box evaluations, requiring sequential decisions that must both improve task performance and reduce uncertainty. Bayesian optimization (BO) and Bayesian expe…