[LG]《Black-box optimization of noisy functions with unknown smoothness》J Grill, M Valko, R Munos [INRIA Lille & Google DeepMind] (2026)

在带噪黑箱优化中，未知平滑性是一个悬而未决的难题。过去的方法受困于预设ν、ρ，本质原因是探索深浅必须提前押注。

本文的核心洞见是：把平滑性重新看作一组并行假设。由此，同时运行多套HOO并事后择优这一关键操作，使未知参数不再卡住搜索。

这项工作真正留下的遗产是无须知道平滑性仍能逼近最优调参器。它打开的新门是处理近优维度大于零的难函数，但尚未跨过累计遗憾控制。

arxiv.org/abs/2605.02462 机器学习 人工智能 论文 AI创造营