arXiv 机器学习· Haris Moazam Sheikh·· 2 天前AI 评分36
面向多目标贝叶斯优化的单目标采集函数与对冲策略简易扩展
Simple Extensions of Single-Objective Acquisition Functions and Hedge Strategies for Multi-Objective Bayesian Optimization
AI 导读
一项入选 NeurIPS 2026 的研究提出一种通用框架，通过超体积转换将标准单目标采集函数与对冲策略直接扩展至多目标贝叶斯优化（MOBO）。该方法对现有贝叶斯优化流程改动极小，避免了复杂的专用公式设计，并保留了计算效率与可解释性。在合成与真实基准评测中，其优化性能与样本效率持续匹敌或超越更复杂的 SOTA MOBO 方法。
来源：arXiv 机器学习 · arxiv.org