ICMLMay, 2024
基础模型在黑盒优化中的应用:优势、挑战和未来发展方向
Position Paper: Leveraging Foundational Models for Black-Box Optimization: Benefits, Challenges, and Future Directions
Xingyou Song, Yingtao Tian, Robert Tjarko Lange, Chansoo Lee, Yujin Tang...
TL;DR庞大的语言模型 (Large Language Models) 已经在机器学习研究领域引发了一股创新浪潮,在强化学习、机器人学和计算机视觉等多个领域产生了实质性影响。然而,基于黑箱优化的实验设计领域受到的这种范式转变影响较小,尽管将 LLM 与优化相结合呈现出一个独特而广泛的探索空间。本文呈现了关于基于序列的基础模型构成黑箱优化领域的框架,并组织了这些模型与先前文献的关系。我们讨论了基础语言模型能够革新优化的最有前景的方式,包括利用自由文本中蕴含的大量信息来丰富任务理解、利用高度灵活的序列模型例如 Transformers 来设计出更优的优化策略,并提高对以前未见的搜索空间的性能预测。