ELF-BO：利用评估延迟实现全贝叶斯优化
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryELF-BO：利用目标评估延迟实现全贝叶斯优化
研究者提出 ELF-BO，一种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的全贝叶斯优化算法。标准 BO 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少用；ELF-BO 在合成函数与真实应用上匹配全贝叶斯方法性能，决策延迟与标准 BO 相当或更优。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.