研究人员开发了一种新的 Thompson Sampling 方法用于贝叶斯优化，该方法利用偏好反馈（如成对比较）而非标量分数。该方法通过潜变量效用差异上的单调链接来模拟比较，并采用了一种对偶核。有限时间分析表明，该方法实现了与使用标量反馈的标准 Thompson Sampling 相当的性能。 AI
影响 引入了一种使用比较反馈优化过程的新颖方法，有可能提高科学发现和设计等领域的效率。
排序理由 这是一篇发表在 arXiv 上的研究论文，详细介绍了一种新的贝叶斯优化方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25025v1 Announce Type: new Abstract: Preference feedback, in the form of pairwise comparisons rather than scalar scores, has seen increasing use in applications such as human-, laboratory-, and expert-in-the-loop design, as well as scientific discovery. We propose a Th…
Preference feedback, in the form of pairwise comparisons rather than scalar scores, has seen increasing use in applications such as human-, laboratory-, and expert-in-the-loop design, as well as scientific discovery. We propose a Thompson Sampling (TS) approach to Bayesian optimi…