SABLE 用仿射代理与有限时域调度提升高维潜空间贝叶斯优化效率。
资讯摘要
论文提出 SABLE，一种面向高维潜空间的贝叶斯优化方法，针对潜维度远大于评估预算的场景。它用贝叶斯仿射代理模型做预测与采集，将查询分解为跨度内与跨度外两部分，并用有限时域调度设定跨度外范数，避免探索不足。重压缩方案把信息压缩为 O(M) 个伪观测，作者报告在合成基准与潜空间优化任务上样本效率高，大预算下决策时间降低数个数量级。
要点速读
- SABLE 用贝叶斯仿射代理模型处理各向同性分布、预算有限的高维潜空间优化。
- 方法将查询分解为跨度内分量（至多 N 维用 EI 优化）与由标量范数控制的跨度外分量，并用有限时域调度设定该范数。
- 重压缩方案将重拟合成本限制在 O(M²D+M³)，作者报告决策时间降至数十毫秒量级。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。