提出多目标贝叶斯优化方法RaMMOBO
Start here
2026年11月3日，研究人员在 arXiv 发布成果，提出名为 RaMMOBO（随机最大边距多目标贝叶斯优化）的新型多目标贝叶斯优化方法。该方法的采集函数作为 EHVI 的下界，将评估计算复杂度从原有的指数级显著降低至随目标数 M 线性增长，同时支持噪声观测与基于梯度的优化。实验结果表明，RaMMOBO 在合成基准及真实基准测试中的性能均达到或超越了现有 SOTA 方法；此外，其采集优化速度相比 qLogNEHVI 最多可提升两个数量级。
AI-generated from reports · Updated 18 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习RaMMOBO：随机最大边距多目标贝叶斯优化
研究人员提出多目标贝叶斯优化方法 RaMMOBO，其采集函数作为 EHVI 的下界，将评估计算复杂度从指数级降至随目标数 M 线性增长。该方法支持噪声观测与梯度优化，在合成与真实基准中性能达到或超越现有 SOTA 方法，且采集优化速度比 qLogNEHVI 最多快两个数量级。
Story heat trend
Current heat 5·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.