本文讨论了使用自适应实验设计方法在非稳态的工业环境下进行实验的挑战和陷阱，提供了在这些环境中的正确目标和系统规格的不同观点，并基于这些经验开发了一个自适应实验设计框架用于对照推断，并在商业环境中进行了测试。

Oct, 2022

本文综述了贝叶斯实验设计在优化实验设计方面的应用。最近的进展解决了计算方面的挑战，使得该方法更加实用。同时，文章也探讨了未来该领域的发展方向。

Feb, 2023

利用机器学习算法进行自适应试验可以在教学改进中提供更好的支持，此方法可以通过随机实验比较传统和自适应试验来探索如何在研究和实践中进行持续改进。

Oct, 2023

本文提出了一种在动态同时运行多个测试并持续适应的条件下，使用匹配的合成控制组来分离各种测试因果效应的方法，以应对现代企业对 A/B 测试的需要。

May, 2023

本文介绍了用于顺序试验的最优设计策略，并且使用贝叶斯推断的信息理论设计目标针对参数推断进行了 sOED 问题的严谨公式化。同时，研究了具有连续参数，设计和观测空间的非线性设计的数字方法，并利用探索和利用来提高状态空间中经常访问区域的逼近精度。最后，文中展示了对非线性源反演问题的优势。

Apr, 2016

本文提出了一种用于评估和改进因果机器学习模型下上下文治疗分配决策的数据采集框架，采用贝叶斯实验设计用于数据高效率评估和改进过去治疗分配的遗憾。与 A / B 测试等方法相比，我们的方法通过引入基于信息的设计目标来避免分配已知高度次优的治疗方法，同时进行探索以收集相关信息。我们的方法适用于离散和连续治疗，与其他基线相比，模拟研究表明了我们提出的信息理论方法具有更好的性能。

Jul, 2022

贝叶斯最佳实验设计寻求在预算限制下，通过贝叶斯框架中的实验数据更新系统的先验知识到其后验，具有计算挑战性，我们提出了一种新的联合优化方法，以有效、可伸缩和稳健的方式解决了贝叶斯最佳实验设计问题，在一个具有高维参数和观测值以及选择最有信息的观测的二进制掩模设计的实际磁共振成像数据采集问题中验证了方法的性能。

Feb, 2024

本文介绍了深度自适应设计（DAD）方法，通过一次前期学习建立自适应贝叶斯实验设计的成本分摊，实现了实时运行实验的功能。

Mar, 2021

该论文讨论了如何使用贝叶斯实验设计方法和深度神经网络来确定量子技术平台特征，以及如何使用这种方法进行量子模拟和计算。

Jun, 2023

本文从贝叶斯角度研究非线性系统的最优实验设计问题，提出了基于梯度的随机优化方法，并通过传感器放置问题的数值试验证明了该方法的性能。

Dec, 2012