BudgetAPO

新研究探讨机器学习任务的预算优化 · 跟踪到2个来源

两篇新研究论文探讨了机器学习任务的预算优化策略。第一篇论文“BudgetAPO”介绍了一种新颖的单阶段优化器，专为预算紧张和速率受限的API场景设计，在各种基准测试中表现优于GEPA等现有方法。第二篇论文“Optimally Pacing Budget Spending and Learning”为对抗性设置下的预算约束在线学习建立了近乎最优的遗憾界限，并扩展到在线资源分配问题。