ELF-BO：利用评估延迟实现全贝叶斯优化

2026年10月8日，arXiv Machine Learning Theory 发表研究，提出 ELF-BO，一种全贝叶斯优化算法。背景是标准贝叶斯优化用点估计拟合代理模型超参数，全贝叶斯方法虽能给出更好的不确定性估计，却因计算昂贵而较少使用。ELF-BO 的做法是在目标函数评估延迟期间从超参数后验采样，观测到目标值后仅需重加权，从而把计算填入已有等待时间。研究者在合成函数与真实应用上评估，报道称其匹配全贝叶斯方法的性能，决策延迟与标准 BO 相当或更优。目前报道仅涉及该算法提出与实验结果，未见后续验证或争议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。