Buchumschlag

BONSAI: Bayesian Optimization with Natural Simplicity and Interpretability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Daulton, Samuel, Eriksson, David, Balandat, Maximilian, Bakshy, Eytan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unexpected Improvements to Expected Improvement for Bayesian Optimization
von: Ament, Sebastian, et al.
Veröffentlicht: (2023)

Distilled Thompson Sampling: Practical and Efficient Thompson Sampling via Imitation Learning
von: Namkoong, Hongseok, et al.
Veröffentlicht: (2020)

Experimenting, Fast and Slow: Bayesian Optimization of Long-term Outcomes with Online Experiments
von: Feng, Qing, et al.
Veröffentlicht: (2025)

Embedding by Elicitation: Dynamic Representations for Bayesian Optimization of System Prompts
von: Lin, Zhiyuan Jerry, et al.
Veröffentlicht: (2026)

LILO: Bayesian Optimization with Natural Language Feedback
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2025)

Informed Initialization for Bayesian Optimization and Active Learning
von: Hvarfner, Carl, et al.
Veröffentlicht: (2025)

Joint Composite Latent Space Bayesian Optimization
von: Maus, Natalie, et al.
Veröffentlicht: (2023)

Robust Gaussian Processes via Relevance Pursuit
von: Ament, Sebastian, et al.
Veröffentlicht: (2024)

Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Empirical Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2026)

Scalable Gaussian Processes with Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2025)

Bayesian Optimization of Function Networks with Partial Evaluations
von: Buathong, Poompol, et al.
Veröffentlicht: (2023)

Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes
von: Belakaria, Syrine, et al.
Veröffentlicht: (2024)

Sample-Efficient Bayesian Optimization with Transfer Learning for Heterogeneous Search Spaces
von: Deshwal, Aryan, et al.
Veröffentlicht: (2024)

A Compression Perspective on Simplicity Bias
von: Marty, Tom, et al.
Veröffentlicht: (2026)

Simplicity Prevails: Rethinking Negative Preference Optimization for LLM Unlearning
von: Fan, Chongyu, et al.
Veröffentlicht: (2024)

Physics-Inspired Interpretability Of Machine Learning Models
von: Niroomand, Maximilian P, et al.
Veröffentlicht: (2023)

MobileLLM-Flash: Latency-Guided On-Device LLM Design for Industry Scale Deployment
von: Huang, Hanxian, et al.
Veröffentlicht: (2026)

Understanding Simplicity Bias towards Compositional Mappings via Learning Dynamics
von: Ren, Yi, et al.
Veröffentlicht: (2024)

SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning
von: Lee, Hojoon, et al.
Veröffentlicht: (2024)

Cooperative Bayesian Optimization for Imperfect Agents
von: Khoshvishkaie, Ali, et al.
Veröffentlicht: (2024)

From Sparsity to Simplicity: Enabling Simpler Sequential Replacements via Sparse Attention Distillation
von: Ren, Yuxin, et al.
Veröffentlicht: (2026)

Bayesian Kolmogorov Arnold Networks (Bayesian_KANs): A Probabilistic Approach to Enhance Accuracy and Interpretability
von: Hassan, Masoud Muhammed
Veröffentlicht: (2024)

Position: The Future of Bayesian Prediction Is Prior-Fitted
von: Müller, Samuel, et al.
Veröffentlicht: (2025)

Explainable Bayesian Optimization
von: Chakraborty, Tanmay, et al.
Veröffentlicht: (2024)

DT-PBO: an Interpretable Tree-based Surrogate Model for Preferential Bayesian Optimization
von: Leenders, Nick, et al.
Veröffentlicht: (2025)

Local Entropy Search over Descent Sequences for Bayesian Optimization
von: Stenger, David, et al.
Veröffentlicht: (2025)

Interpretable Deep Reinforcement Learning for Element-level Bridge Life-cycle Optimization
von: Moayyedi, Seyyed Amirhossein, et al.
Veröffentlicht: (2026)

Poisson Process for Bayesian Optimization
von: Wang, Xiaoxing, et al.
Veröffentlicht: (2024)

A Theory of Interpretable Approximations
von: Bressan, Marco, et al.
Veröffentlicht: (2024)

Enhancing Uncertainty Estimation and Interpretability via Bayesian Non-negative Decision Layer
von: Hu, Xinyue, et al.
Veröffentlicht: (2025)

ORTHOBO: Orthogonal Bayesian Hyperparameter Optimization
von: Schröder, Maresa, et al.
Veröffentlicht: (2026)

Inversion-based Latent Bayesian Optimization
von: Chu, Jaewon, et al.
Veröffentlicht: (2024)

Information-Theoretic Safe Bayesian Optimization
von: Bottero, Alessandro G., et al.
Veröffentlicht: (2024)

Surrogate Fitness Metrics for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2025)

The Pragmatic Frames of Spurious Correlations in Machine Learning: Interpreting How and Why They Matter
von: Bell, Samuel J., et al.
Veröffentlicht: (2024)

Neural Cluster First, Route Second: One-Shot Capacitated Vehicle Routing via Differentiable Optimal Transport
von: Chin, Samuel J. K., et al.
Veröffentlicht: (2026)

Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses
von: Xu, He-Yang, et al.
Veröffentlicht: (2025)

Non-Myopic Multi-Objective Bayesian Optimization
von: Belakaria, Syrine, et al.
Veröffentlicht: (2024)

Large Language Models to Enhance Bayesian Optimization
von: Liu, Tennison, et al.
Veröffentlicht: (2024)