研究人员开发了ICICLE,一种用于贝叶斯优化中曲线学习外推的新型上下文内代理模型。ICICLE拥有128万个参数,在LCBench、PD1、TaskSet和Meta-Album等基准测试中,其性能与FT-PFN和Quick-Tune等现有方法相当或更优。值得注意的是,与Quick-Tune不同,ICICLE在Meta-Album基准测试上无需预训练或元训练即可实现此性能,并且通过动态生成合成训练任务提供了更有效的方法。 AI
影响 这项研究可能导致机器学习工作流程中更高效的超参数优化。
排序理由 该集群包含一篇详细介绍新模型及其在基准测试上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Bayesian optimization
- FT-PFN
- ICICLE
- Jax
- Laurits Fredsgaard
- LCBench
- LC-PFN
- Meta-Album
- ONNX
- PyTorch
- Quick-Tune
- Ray Tune
- TaskSet
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →