研究人员开发了一个名为BReaD(Black-box Reward-guided Sampling of Diffusion Model)的新框架,用于优化黑盒目标,特别是在传统贝叶斯优化难以处理的高维空间中。BReaD利用高斯过程作为未知目标的微分代理,并主动查询生成样本的标签。这种方法可以在低数据场景下进行有效优化,而无需访问标记数据集或奖励梯度,通过上限置信界引导信号来平衡探索和利用。 AI
影响 这项新框架有望改善科学发现和图像生成任务中的优化,尤其是在数据稀缺的情况下。
排序理由 这是一篇描述新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian optimization
- BReaD
- Diffusion Models
- Gaussian process
- Hugging Face
- Upper Confidence Bound
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →