速報
偏好形狀期望改進:超體積與 R2 在貝葉斯多目標優化的幾何分野
本文從幾何視角檢視貝葉斯多目標優化中以偏好變換驅動的期望改進準則,聚焦超體積(hypervolume)與 R2 兩類指標。作者釐清哪些偏好變換能保留精確可計算性、帕累托相容與單調性;在超體積端重述 EHVI 的多種表示與變換,並指出截斷 EHVI 可能失去變異數單調性;
速報
本文從幾何視角檢視貝葉斯多目標優化中以偏好變換驅動的期望改進準則,聚焦超體積(hypervolume)與 R2 兩類指標。作者釐清哪些偏好變換能保留精確可計算性、帕累托相容與單調性;在超體積端重述 EHVI 的多種表示與變換,並指出截斷 EHVI 可能失去變異數單調性;
深度分析
隨著 GPU 成為高效能運算與 AI 的核心,維持效能成為挑戰。Record‑Remix‑Replay 結合 LLM‑驅動演化搜尋、貝葉斯最佳化與 record‑replay 編譯,跨層級自動探索最佳化空間。實驗證明其在完整科學應用上優於傳統方法,且搜尋速度快近十倍,顯著縮短開發週期。