כתבה
arXiv cs.LG ·
אופטימיזציה Bayesiana עם מידע תומך ריכוזי באמצעות LLMs
Bayesian Optimization with Rich Auxiliary Information via LLMs
אופטימיזציה Bayesiana המשתמשת במידע תומך ריכוזי וב-LLMs לשיפור ביצועי האופטימיזציה. המחקר מציג שני שיטות: AuxBO-Evolve ו-AuxBO-Vicinity, אשר משתמשות במידע תומך ריכוזי לשיפור ביצועי האופטימיזציה. התוצאות מציגות שיפור בביצועי האופטימיזציה ועליות על גבי BO ו-LLM-based approaches.
תקציר מקורי באנגליתarXiv:2609.19437v2 Announce Type: replace Abstract: Bayesian Optimization (BO) is widely used for optimizing expensive black-box functions, yet it typically reduces each expensive experiment to an input and its objective value, discarding much of the information the experiment produces. Such auxiliary information can include training curves in hyperparameter optimization, expert notes and images in scientific experimentation, or known facts about the specific optimization problem. Leveraging the ability of large language models (LLMs) to process diverse and unstructured information, we introduce two methods: AuxBO-Evolve, which uses auxiliary information to evolve beliefs over the location of the optimum, and AuxBO-Vicinity, which uses it to locally guide the acquisition function. Across s
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית