迭代式神经函数最小化器提出

Qusay Muzaffar、David Levin和Michael Werman提出并评估Neural Function Minimizer（NFM）：模型仅利用未知一维函数的20个噪声样本预测全局最小值位置，之后不再查询函数。NFM通过迭代移动位置并读取局部样本完成预测，研究者将其与同规模Set Transformer及经典估计器比较。 结果显示，训练函数族之外，Gaussian process最准确；Gaussian process和混合模型的遗憾值低于NFM。研究团队计划发布基准测试和自检工具，但材料未说明其已开放或完成独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。