深度学习时代的多目标超参数优化
机器学习
2025-11-12 v1
摘要
虽然深度学习（DL）专家常常对哪些超参数设置能获得佳好性能有所了解，但仅有少数超参数优化（HPO）算法能够利用这种先验知识，且没有算法能够整合多个目标的先验。由于 DL 实践者常需优化不止一个目标，这一技术空白在 HPO 算法图景中显得尤为突出。为此，我们引入 PriMO，即首个能够整合多目标用户信念的 HPO 算法。我们表明，PriMO 在 8 个 DL 基准测试中在多目标和单目标设置下均实现了最先进的性能，明确地将其定位为 DL 实践者的首选 HPO 算法。
引用
@article{arxiv.2511.08371,
title = {Multi-objective Hyperparameter Optimization in the Age of Deep Learning},
author = {Soham Basu and Frank Hutter and Danny Stoll},
journal= {arXiv preprint arXiv:2511.08371},
year = {2025}
}