提出默认感知贝叶斯优化策略BONSAI

研究者在arXiv论文（基于摘要）中提出默认感知的贝叶斯优化策略BONSAI，在显式控制采集价值损失的同时筛除对默认配置低影响的偏离，使推荐配置更简洁、参数更少偏向默认值。 作者称，BONSAI兼容多种采集函数（含期望改进和GP-UCB），并在适当条件下理论上保留了GP-UCB的无遗憾性质。在多项实际应用中，它减少了推荐配置中的非默认参数，优化性能保持有竞争力，墙钟时间影响较小；候选生成成本平均为标准BO的1.5倍，而既有稀疏BO方法为7—34倍。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。