研究提出Fisher信息几何信任域贝叶斯优化方法FITR
热点事件持续更新
研究提出Fisher信息几何信任域贝叶斯优化方法FITR
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Saksham Kiroriwal 等在一项 NeurIPS 2026 接收的研究中，从信息几何视角研究贝叶斯优化，通过代理后验映射回拉 Fisher 信息度量，得到可重参数化采集函数的梯度上界，并据此解释了高维贝叶斯优化中梯度消失的原因。基于该分析，作者提出信赖域方法 FITR，用局部回拉 Fisher 权重替代基于长度尺度的缩放。 效果方面作者称：在采用 SE 核的高斯过程基准上，FITR 表现具有竞争力；该方法也易于推广到非各向同性代理，但在此情形下增益更依赖具体任务。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
基于Fisher信息几何的贝叶斯优化：梯度上界与信赖域方法FITR报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI基于Fisher信息几何的贝叶斯优化：梯度上界与信赖域方法FITR
一项 NeurIPS 2026 接收的研究从信息几何视角研究贝叶斯优化（BO），通过代理后验映射回拉 Fisher 信息度量，得到可重参数化采集函数的梯度上界，解释了高维 BO 中的梯度消失现象。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月27日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。