热点事件持续更新
提出多目标贝叶斯优化方法RaMMOBO
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 11 小时前更新
最新进展11月3日 13:00
研究人员提出多目标贝叶斯优化方法RaMMOBO，计算复杂度降至线性且优化速度大幅提升。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- 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。
本事件热度走势
当前热度 7·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。