arXiv · cs.AI· Qusay Muzaffar, David Levin, Michael Werman·· 2 天前
Neural Function Minimizer用迭代神经网络定位噪声一维函数的全局最小值
One-Shot Localisation of the Global Minimum of a Noisy One-Dimensional Function: An Iterative Neural Minimizer Compared with Set Transformers and Classical Estimators
arXiv:2604.03614v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qusay Muzaffar, David Levin, Michael Werman
研究任务与主要进展
研究者提出Neural Function Minimizer（NFM），仅利用未知一维函数的20个噪声样本、在不再查询的条件下预测全局最小值位置，并与同规模Set Transformer及经典零查询估计器比较。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org