多目标贝叶斯优化先收敛后多样
原文标题：Converge Then Diversify: Decoupling Convergence and Diversity in Multi-Objective Bayesian Optimisation
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对多目标贝叶斯优化在预算紧张时难以同时兼顾收敛与多样性的问题，提出先收敛后多样（CTD）方法，将两个目标解耦为两阶段。第一阶段快速将搜索推向帕累托前沿的某一点，第二阶段将解分散到整个前沿。在446组两两对比中，CTD在72.9%的情况下统计显著优于现有方法，在预算极紧或高维问题上优势尤为明显。
- 问题
- 预算紧张时多目标贝叶斯优化难以兼顾收敛与多样性。
- 方法
- CTD把收敛与多样性解耦为两阶段，先逼近帕累托前沿一点再分散到整个前沿。
- 结果
- 446组两两对比中72.9%显著优于现有方法，极紧预算与高维问题优势更明显。
- 影响
- 预算受限的黑箱多目标调优可直接替换现有采集策略，工程收益明确。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。