热点事件持续更新
研究团队提出离散空间贝叶斯优化方法AFGG并开源
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出面向离散空间贝叶斯优化的采集函数引导生成方法 AFGG。该框架通过结合预训练生成模型与数据空间代理模型，利用扩散桥平滑采集函数以引导候选样本生成。研究团队在框架中实例化了分类扩散模型与自回归归一化流，既能直接融入离散领域先验，又成功恢复了采样梯度。在分子基准测试中，流模型变体在多数场景下超越了现有 SOTA 方法。目前，该研究的代码已正式开源。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
研究人员提出离散空间贝叶斯优化方法AFGG，性能超越现有SOTA并开源代码。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 机器学习面向离散空间贝叶斯优化的采集函数引导生成方法
研究人员提出面向离散空间贝叶斯优化的采集函数引导生成方法 AFGG，通过结合预训练生成模型与数据空间代理模型，利用扩散桥平滑采集函数以引导候选样本生成。该框架实例化了分类扩散模型与自回归归一化流，既能直接融入离散领域先验，又成功恢复了采样梯度。在分子基准测试中，流模型变体在多数场景超越现有 SOTA 方法，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。