論文の概要: BayMOTH: Bayesian optiMizatiOn with meTa-lookahead -- a simple approacH

• arxiv url: http://arxiv.org/abs/2604.12005v1
• Date: Mon, 13 Apr 2026 19:52:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.093895
• Title: BayMOTH: Bayesian optiMizatiOn with meTa-lookahead -- a simple approacH
• Title（参考訳）: BayMOTH: Bayesian optiMizatiOn with meTa-lookahead -- a simple approacH
• Authors: Rahman Ejaz, Varchas Gopalaswamy, Ricardo Luna, Aarne Lees, Vineet Gundecha, Christopher Kanan, Soumyendu Sarkar, Riccardo Betti,
• Abstract要約: 本稿では,関連タスク情報を利用したメタBOアルゴリズムを提案する。 本稿では,関数最適化タスクにおける既存手法との競合性を実証する。
• 参考スコア（独自算出の注目度）: 13.980560488480435
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Bayesian optimization (BO) has for sequential optimization of expensive black-box functions demonstrated practicality and effectiveness in many real-world settings. Meta-Bayesian optimization (meta-BO) focuses on improving the sample efficiency of BO by making use of information from related tasks. Although meta-BO is sample-efficient when task structure transfers, poor alignment between meta-training and test tasks can cause suboptimal queries to be suggested during online optimization. To this end, we propose a simple meta-BO algorithm that utilizes related-task information when determined useful, falling back to lookahead otherwise, within a unified framework. We demonstrate competitiveness of our method with existing approaches on function optimization tasks, while retaining strong performance in low task-relatedness regimes where test tasks share limited structure with the meta-training set.
• Abstract（参考訳）: ベイズ最適化(BO)は、高額なブラックボックス関数の逐次最適化を行い、実世界の多くの環境で実用性と有効性を示した。 メタベイズ最適化 (Meta-Bayesian Optimization, Meta-BO) は、関連するタスクからの情報を活用することでBOのサンプル効率を改善することに焦点を当てている。 メタBOはタスク構造が転送される際にはサンプリング効率が高いが、メタトレーニングとテストタスクの整合性が悪いため、オンライン最適化中にサブ最適クエリが提案される可能性がある。 そこで本研究では,関連タスク情報を利用した単純なメタBOアルゴリズムを提案する。 テストタスクがメタトレーニングセットと限られた構造を共有する低タスク関連システムにおいて,機能最適化タスクに対する既存手法との競合性を実証し,高い性能を維持した。

関連論文リスト

• Task-free Adaptive Meta Black-box Optimization [55.461814601130044]
  対象タスクからのみ最適化データを用いてオンラインパラメータ適応を行うアダプティブメタブラックボックス最適化モデル(ABOM)を提案する。 メタトレーニングと最適化フェーズを分離する従来のメタBBOフレームワークとは異なり、ABOMはクローズドループパラメータ学習機構を導入し、パラメータ化された進化演算子を継続的に自己更新する。 このパラダイムシフトはゼロショット最適化を可能にする: 合成BBOベンチマークにおけるABOMの競合性能と、手作りのトレーニングタスクを伴わない現実的な無人飛行路計画問題。
  論文  参考訳（メタデータ） (2026-01-29T09:54:10Z)
• VBO-MI: A Fully Gradient-Based Bayesian Optimization Framework Using Variational Mutual Information Estimation [1.0829694003408499]
  VBO-MIは多変量相互情報推定の最近の進歩を生かした,完全な勾配に基づくBOフレームワークである。 提案手法は,高次元合成関数や複雑な実世界のタスクを含む,多種多様なベンチマークを用いて評価する。
  論文  参考訳（メタデータ） (2026-01-13T03:07:52Z)
• None To Optima in Few Shots: Bayesian Optimization with MDP Priors [40.4319486959011]
  本稿では,機能評価が極めて少ないブラックボックス最適化法であるProfBOアルゴリズムを提案する。 ProfBOは、高い品質のチューニングソリューションを極めて少ない評価で達成することで、最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-02T16:53:17Z)
• Clustering-based Meta Bayesian Optimization with Theoretical Guarantee [9.821653903127107]
  異種および大規模メタタスクにおける重要な課題に対処するために,スケーラブルで堅牢なメタBO手法を提案する。 提案手法は,移動したメタファンクションを高均一なクラスタに効果的に分割し,幾何学に基づくサロゲートプロトタイプを学習し,オンラインフェーズにおいてメタプライアを適応的に合成する。
  論文  参考訳（メタデータ） (2025-03-08T06:46:28Z)
• Optima: Optimizing Effectiveness and Efficiency for LLM-Based Multi-Agent System [75.25394449773052]
  大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は協調的問題解決において顕著な可能性を示している。 通信効率の低下、スケーラビリティの低下、効果的なパラメータ更新方法の欠如などです。 本稿では,コミュニケーション効率とタスク効率を両立させ,これらの課題に対処する新しいフレームワークOptimaを提案する。
  論文  参考訳（メタデータ） (2024-10-10T17:00:06Z)
• MALIBO: Meta-learning for Likelihood-free Bayesian Optimization [11.097684270692355]
  本稿では,サロゲートモデルをバイパスし,タスク間のクエリの有用性を直接学習するメタラーニングBO手法を提案する。 本手法は,タスクの不確実性を明示的にモデル化し,新しいタスクへのロバスト適応を可能にする補助モデルを含む。 提案手法は, 常に高い性能を示し, 様々なベンチマークにおいて, 最先端のメタラーニングBO法より優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-07T12:57:10Z)
• Bayesian Optimization for Macro Placement [48.55456716632735]
  本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。 BOは確率的代理モデルと獲得関数を利用する機械学習技術である。 固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2022-07-18T06:17:06Z)
• Pre-training helps Bayesian optimization too [49.28382118032923]
  機能的事前設定のための代替的なプラクティスを模索する。 特に、より厳密な分布を事前訓練できるような、類似した関数のデータを持つシナリオを考察する。 提案手法は, 競合する手法の少なくとも3倍の効率で, 優れたハイパーパラメータを見つけることができることを示す。
  論文  参考訳（メタデータ） (2022-07-07T04:42:54Z)
• Pre-trained Gaussian Processes for Bayesian Optimization [24.730678780782647]
  本稿では,HyperBO という事前学習型 BO フレームワークを提案する。 GPが既知の「地中真実」を仮定することなく, 後続の予測と, ほぼゼロの後悔をHyperBOに示す。
  論文  参考訳（メタデータ） (2021-09-16T20:46:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。