Off-MOO-Bench

新方法引导生成模型实现高效离线多目标优化

研究人员开发了一种使用生成模型（特别是扩散模型）进行离线多目标优化（MOO）的新颖方法。该方法不修改每个采样步骤，而是专注于引导初始噪声，以高效地将模型导向帕累托前沿。该技术在 Off-MOO-Bench 数据集上进行了测试，识别出噪声空间中对目标权衡有显著影响的关键方向。通过使用递归特征机（Recursive Feature Machine）为每个任务估计一次这些方向，该方法与现有的生成方法相比，实现了更优的性能和更低的采样成本。