研究者提出PLES高效估计超参数缩放律
热点事件观察中
研究者提出PLES高效估计超参数缩放律
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
研究者提出 Power-Law Entropy Search（PLES），一种基于多保真度贝叶斯优化的计算成本感知采集函数，通过自适应实验高效估计最优超参数缩放律。该工作由 Zhiliang Chen 等作者完成，相关成果发布于 arXiv cs.AI。 据作者介绍，PLES 的核心在于把计算成本纳入采集函数设计，并借助多保真度贝叶斯优化进行自适应实验，从而估计最优超参数缩放律。报道未给出该方法在具体任务上的效果数据或对比结果。
AI 根据报道生成 · 1 天前更新
最新进展10月16日 12:00
PLES：用幂律熵搜索高效估计最优超参数缩放律报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AIPLES：用幂律熵搜索高效估计最优超参数缩放律
研究者提出 Power-Law Entropy Search（PLES），一种基于多保真度贝叶斯优化的计算成本感知采集函数，通过自适应实验高效估计最优超参数缩放律。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 810月16日 22:00
- 近 24 小时变化
- -51%
02468
10月17日06:0012:0018:0010月18日
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。