FoMEMO：多目标优化基础模型被NeurIPS接收
热点事件观察中
FoMEMO：多目标优化基础模型被NeurIPS接收
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yiming Yao等作者提出基础模型方法 FoMEMO，用于昂贵多目标优化，该工作已被 NeurIPS 2026 接收。 该方法采用分解式训练范式，把多目标优化转化为按偏好聚合的后验学习任务，从而能在数亿条合成数据上规模化预训练，无需依赖大量真实领域实验。 测试时，给定未见问题的观测轨迹和用户偏好，模型进行上下文后验预测，并优化由此推导出的采集函数来生成候选，无需后续训练或更新。作者称，该方法无需后续模型训练或更新即可取得较强的泛化与优化性能。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
FoMEMO：面向昂贵多目标优化的基础模型报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIFoMEMO：面向昂贵多目标优化的基础模型
FoMEMO 提出用分解式训练范式把多目标优化转成偏好聚合后验学习任务，可在数亿条合成数据上规模化预训练，无需大量真实领域实验。测试时模型基于未见问题的观测轨迹与用户偏好做上下文后验预测，并优化推导出的采集函数生成候选，无需后续训练或更新。该工作已被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。