BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning
Fudan University（复旦大学）；Shanghai Innovation Institute（上海创新研究院）
BandPO通过概率感知边界解决大语言模型强化学习中的探索瓶颈，提升性能并缓解熵崩溃问题。
2026-03-05 cs.AI cs.LG
Deconstructing Off-Policy Ratios: Entropy-Normalized Trust Regions for Asynchronous Reinforcement Learning
Baidu（百度）
研究异步强化学习中离策略数据问题，提出熵缩放信任区域（ESTR）方法，通过令牌局部熵缩放离策略偏差，无需辅助前向传递等，在多任务和基准测试中优于现有异步方法，提升训练-推理一致性与速度。
2026-10-09 cs.AI
It's Not You, It's Clipping: A Soft Trust-Region via Probability Smoothing for LLM RL
University of Southampton（索姆塞特大学）；The Alan Turing Institute（艾伦·图灵研究所）
本文提出PSPO方法，通过概率平滑改进大语言模型强化学习中的信任区域，提升数学推理任务的性能。
2026-01-29 cs.AI cs.LG
Off-Policy Deep Reinforcement Learning with Analogous Disentangled Exploration
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
非策略强化学习（RL）涉及通过执行收集经验样本的另一个策略来学习奖励策略。虽然前一个策略（即目标策略）是有回报的，但在表达（在大多数情况下，确定性），在后一个任务中做得好，相反，需要一个表达策略（即行为策略），提供指导和有效的探索。与大多数在最优性和表现力之间进行权衡的方法相反，解纠缠框架明确地将这两个目标解耦，每个目标都由一个不同的单独策略处理。虽然能够自由地设计和优化这两个策略，但天真地将它们分开可能会导致低效的学习或稳定性问题。为了缓解这个问题，我们提出的方法模拟解开演员评论家（ADAC）设计类似的演员和评论家对。具体地说，ADAC利用Stein变分梯度下降（SVGD）的一个关键属性来约束基于表达能量的行为策略相对于目标的有效探索。此外，引入了一个类似的批评家对，以原则性的方式纳入内在奖励，理论上保证了整体学习的稳定性和有效性。我们在14个连续控制任务上实证评估了环境奖励ADAC，并报告了其中10个任务的最新进展。我们进一步证明了ADAC，当与内在奖励配对时，在探索挑战性任务中表现优于替代品。
2020-02-27 cs.LG stat.ML
EnTRPO: Trust Region Policy Optimization Method with Entropy Regularization
Amirkabir University of Technology（阿米尔卡比尔理工大学）
信赖域策略优化（TRPO）是强化学习（RL）中一种流行的策略搜索算法。它迭代地解决了限制连续策略相互接近的代理问题。TRPO是一种策略算法。基于策略的方法带来了许多好处，比如能够衡量每个结果策略。然而，他们通常会抛弃以前存在的关于政策的所有知识。在这项工作中，我们使用重放缓冲区借用的离策略学习设置TRPO。在强化学习中，熵正则化通常被用来改善策略优化。它被认为是通过鼓励更随机的政策选择来帮助探索和推广。我们在TRPO中添加了一个熵正则化项，以优于随时间步长累积的π。我们将此更新称为EnTRPO。我们的实验表明，与原始TRPO相比，EnTRPO在控制Cart-Pole系统方面实现了更好的性能
2021-10-26 cs.LG
Local Guidance, Global Impact: Gaussian-Reshaped Trust Region Unlocks Behavior Transitions
Hong Kong University of Science and Technology（香港科技大学）；Mila - Québec AI Institute（魁北克AI研究院）；Université de Montréal（蒙特利尔大学）；Fudan University（复旦大学）；City University of Hong Kong（香港城市大学）
针对PPO在非平稳环境中优化失效的问题，提出高斯信任区域策略优化（GTR），通过高斯核重塑信任区域实现非单调约束，在保持局部稳定性的同时允许必要的大幅策略更新，并在多种任务中取得强性能。
2026-06-04 cs.AI cs.LG
Beyond Uniform Token-Level Trust Region in LLM Reinforcement Learning
Tencent Hunyuan（腾讯混元）
针对PPO风格信任区域在自回归生成中的位置无关问题，提出CPPO方法，通过位置加权阈值和累积前缀预算动态调整令牌级约束，提升训练稳定性和推理准确性。
2026-06-11 cs.AI cs.LG
Differentiable Trust Region Layers for Deep Reinforcement Learning
Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Tübingen（蒂宾根大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
信赖域方法是强化学习中的一种流行工具，因为它们在连续和离散动作空间中产生鲁棒的策略更新。然而，在深度强化学习中实施这样的信任区域是困难的。因此，诸如信任域策略优化（TRPO）和近端策略优化（PPO）的许多方法是基于近似的。由于这些近似，它们违反了约束条件或无法在信赖域内找到最优解。此外，它们很难实施，往往缺乏足够的探索，并已被证明依赖于看似无关的实施选择。在这项工作中，我们提出了可微神经网络层，通过封闭形式的投影来执行深度高斯策略的信任区域。与现有的方法不同，这些层分别为每个状态形式化信任区域，并可以补充现有的强化学习算法。我们推导出基于Kullback-Leibler散度，Wasserstein L2距离和高斯分布的Frobenius范数的信赖域预测。我们的经验表明，这些投影层实现类似或更好的结果比现有的方法，同时几乎不可知的具体实施选择。该代码可在https://git.io/Jthb0上获得。
2021-03-09 cs.IT cs.LG math.IT
Manifold-Aware Exploration for Reinforcement Learning in Video Generation
Tencent Hunyuan（腾讯文脉）
本文提出SAGE-GRPO方法，通过在微和宏观层面约束探索，确保在视频数据流形附近进行，提升视频生成的质量和奖励估计的可靠性。
2026-03-23 cs.AI cs.CV
TS-Insight: Visualizing Thompson Sampling for Verification and XAI
University of Luxembourg（卢森堡大学）；Luxembourg Institute of Science and Technology（卢森堡科学与技术研究所）
TS-Insight是一个可视化分析工具，通过追踪各臂的后验分布、证据计数和采样结果，揭示汤普森采样算法的内部决策机制，以支持验证、诊断与可解释性，提升敏感领域中的信任与部署效果。
2025-08-21 cs.AI cs.HC cs.LG
Trustworthy AI in the Agentic Lakehouse: from Concurrency to Governance
本文提出Bauplan设计，通过事务机制实现湖仓中的数据和计算隔离，解决代理工作流的可信性问题，并提供自修复管道的实现。
2025-11-20 cs.AI cs.DB
Multi-Path Policy Optimization
IIIS, Tsinghua University（清华大学交叉信息研究院）；Alibaba Group（阿里巴巴集团）
近年来，深度强化学习取得了巨大的进步。然而，一个具有挑战性的问题是，代理可能会遭受低效的探索，特别是对政策的方法。以往的探测方法要么依赖于复杂的结构来估计状态的新颖性，要么引入敏感的超参数导致不稳定。我们提出了一种有效的探索方法，多路径策略优化（MPPO），它不会产生很高的计算成本，并确保稳定性。MPPO维护了一种有效的机制，可以有效地利用各种策略来实现更好的探索，特别是在稀疏环境中。并给出了稳定性能的理论保证。我们的方案建立在两个广泛采用的策略上的方法，信任区域策略优化算法和近端策略优化算法。我们对几个MuJoCo任务及其稀疏化变体进行了广泛的实验，以公平地评估所提出的方法。结果表明，MPPO显着优于国家的最先进的勘探方法在样本效率和最终性能。
2020-02-14 cs.LG stat.ML
Preference-Guided Reinforcement Learning for Efficient Exploration
本文提出LOPE框架，通过将人类偏好作为轨迹引导直接调整在线探索，避免学习单独奖励模型，并利用信赖域策略改进与状态边缘匹配优化，在困难探索任务中显著提升收敛速度与性能。
2025-11-10 cs.LG
Towards Trustworthy Automatic Diagnosis Systems by Emulating Doctors' Reasoning with Deep Reinforcement Learning
Mila-Quebec AI Institute（魁北克人工智能研究所Mila）；Dialogue Health Technologies Inc.（Dialogue健康科技公司）
医疗证据获取和诊断过程的自动化最近引起了越来越多的关注，以减少医生的工作量，使获得医疗服务的机会民主化。然而，在机器学习文献中提出的大多数工作仅仅集中于提高患者病理的预测准确性。我们认为，这一目标是不足以确保医生接受这种系统。在与患者的最初互动中，医生不仅专注于确定患者所患的病理;相反，他们会做出鉴别诊断（以合理疾病的简短列表的形式），因为从患者那里收集的医学证据通常不足以建立最终诊断。此外，医生会明确探索严重的病理，然后才可能将其排除在鉴别诊断之外，特别是在急症护理环境中。最后，为了让医生相信系统的建议，他们需要了解收集的证据如何导致预测的疾病。特别是，系统与患者之间的交互需要模仿医生的推理。因此，我们建议使用深度强化学习框架来建模证据获取和自动诊断任务，该框架考虑医生推理的三个基本方面，即使用探索-确认方法生成鉴别诊断，同时优先考虑严重的病理。我们提出了基于这三个方面的交互质量评估指标。我们表明，我们的方法比现有的模型表现更好，同时保持有竞争力的病理预测准确性。
2022-10-13 cs.AI cs.CL cs.LG
TRUST-SQL: Tool-Integrated Multi-Turn Reinforcement Learning for Text-to-SQL over Unknown Schemas
Beijing University of Posts and Telecommunications（北京邮电大学）；State Key Lab of Processors, Institute of Computing Technology, CAS（中国科学院计算技术研究所处理器国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；Meituan（美团）
本文提出TRUST-SQL，通过工具集成的多轮强化学习解决文本到SQL在未知模式下的问题，通过结构化四阶段协议和Dual-Track GRPO策略提升性能，实验表明在多个基准上取得显著改进。
2026-09-11 cs.AI
Model Learning for Look-ahead Exploration in Continuous Control
Carnegie Mellon University（卡内基梅隆大学）
我们提出了一种探索方法，结合前瞻性搜索的基本学习技能和他们的动态，并使用它的强化学习（RL）的操作政策。我们的技能是使用现有的多目标RL公式在更简单的环境中孤立地学习多目标策略，类似于期权或宏动作。粗略的技能动态，即，学习由（完整的）技能执行引起的状态转换，并在前瞻搜索期间向前展开。策略搜索在探索期间受益于时间抽象，尽管其本身在低级别原始动作上操作，因此所产生的策略不会遭受由粗糙技能链引起的次优性和可扩展性。我们表明，所提出的探索策略比当前最先进的RL方法更快地有效学习复杂的操作策略，并且比使用选项或参数化技能作为策略本身的构建块的方法收敛到更好的策略，而不是指导探索。我们表明，所提出的探索策略比当前最先进的RL方法更快地有效学习复杂的操作策略，并且比使用选项或参数化技能作为策略本身的构建块的方法收敛到更好的策略，而不是指导探索。
2018-11-20 cs.AI cs.LG cs.RO
Off-Policy Safe Reinforcement Learning with Constrained Optimistic Exploration
Faculty of Mechanical Engineering（机械工程学院）；Delft University of Technology（代尔夫特理工大学）；Faculty of Electrical Engineering, Mathematics and Computer Science（电气工程、数学和计算机科学学院）
本文提出COX-Q算法，通过约束乐观探索和保守离线分布价值学习，解决非策略安全强化学习中的约束违反问题，实现在安全关键应用中的高效样本利用和可控数据收集成本。
2026-03-25 cs.LG cs.RO
Trust Region On-Policy Distillation
Samsung Research（三星研究院）；University of Oxford（牛津大学）；Peking University（北京大学）
提出信任区域在线策略蒸馏（TrOPD），通过信用分配策略和信任区域学习解决师生分布差异导致的训练不稳定问题，在数学推理、代码生成和通用基准上超越现有方法。
2026-06-18 cs.CL cs.LG
The Geometry of Nonlinear Reinforcement Learning
Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所）；Leipzig Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（莱比锡可扩展数据与人工智能研究中心）；Dresden/Leipzig（德累斯顿/莱比锡）
该研究提出统一几何框架，将强化学习中奖励最大化、安全探索等多目标整合为长期行为空间的单一优化问题，可推广经典RL方法至非线性效用与凸约束场景，并梳理了交叉领域的开放挑战。
2025-09-01 cs.LG
ETR: Outcome-Guided Elastic Trust Regions for Policy Optimization
Alibaba Group（阿里巴巴集团）；Peking University（北京大学）
ETR通过动态信任区域机制，提升策略优化的信号利用效率和探索稳定性。
2026-01-07 cs.LG
INSIGHT: Universal Neural Simulator for Analog Circuits Harnessing Autoregressive Transformers
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Samsung Advanced Institute of Technology（三星先进技术研究院）
本文提出INSIGHT，一个基于自回归Transformer的GPU通用神经仿真器，能以微秒级推理准确预测模拟电路性能，并作为代理模型将尺寸调整所需实时仿真降至20次以下，成本降低100-1000倍。
2024-08-06 cs.CE cs.LG
Tree Exploration for Bayesian RL Exploration
EPFL（洛桑联邦理工学院）
强化学习的研究已经产生了两种主要类型的不确定性下的最优决策算法。第一种方法采用贝叶斯框架，最优性随着计算时间的增加而提高。这是因为所得到的规划任务采用具有无限数量的状态的信念树上的动态规划问题的形式。第二种类型采用相对简单的算法，这被证明是遭受小遗憾的分布自由的框架内。本文给出了贝叶斯信念树中节点的最优值函数的一个下界和一个高概率上界，它们类似于POMDPs中的类似界。然后使用边界来创建更有效的策略来探索树。所得到的算法进行比较与分布免费算法UCB 1，以及一个更简单的基线算法多臂强盗问题。
2011-09-21 cs.LG stat.ML
Nested-Wasserstein Self-Imitation Learning for Sequence Generation
Duke University（杜克大学）；University at Buffalo（布法罗大学）；Microsoft Dynamics 365 AI Research（微软Dynamics 365人工智能研究院）；DeepMind（深度思维）
强化学习（RL）已被广泛研究，以改善序列生成模型。然而，用于RL训练的传统奖励通常不能捕获足够的语义信息，因此呈现模型偏差。此外，稀疏和延迟的奖励使RL探索效率低下。为了缓解这些问题，我们提出了分布式语义匹配的嵌套Wasserstein距离的概念。为了进一步利用它，开发了一种新的嵌套Wasserstein自模仿学习框架，鼓励模型利用历史高回报序列进行增强的探索和更好的语义匹配。我们的解决方案可以理解为近似执行近端策略优化与Wasserstein信任区域。各种无条件和有条件的序列生成任务的实验表明，所提出的方法始终导致性能的提高。
2020-01-20 cs.CL cs.LG
Boosting Trust Region Policy Optimization by Normalizing Flows Policy
Columbia University（哥伦比亚大学）
我们提出了改进的信赖域策略搜索与规范化流的政策。我们说明了当信任区域由KL发散约束构造时，规范化流策略生成远离前一策略的“中心”的样本，这可能使更好的探索，并有助于避免坏的局部最优。通过广泛的比较，我们表明，规范化流政策显着改善基线架构，特别是在高维任务与复杂的动态。
2019-02-01 cs.AI cs.LG stat.ML
The Role of Visualization in LLM-Assisted Knowledge Graph Systems: Effects on User Trust, Exploration, and Workflows
本文研究LLM辅助知识图谱系统中可视化对用户信任和工作流的影响，开发了LinkQ系统并设计五种可视化机制。对14位从业者的评估发现，用户常因可视化过度信任系统输出，且工作流因经验而异，揭示了虚假信任风险及可视化作为缓解技术的必要性。
2025-05-20 cs.HC cs.LG
Trust-Region Adaptive Policy Optimization
The Conversational AI (CoAI) Group, Tsinghua University（清华大学对话式人工智能（CoAI）小组）
TRAPO通过结合SFT和RL的训练流程，提升大语言模型的推理能力，实现更稳定的训练和更高效的探索。
2025-12-19 cs.AI cs.LG
Transforming Computer Security and Public Trust Through the Exploration of Fine-Tuning Large Language Models
Texas A & M University - San Antonio（德克萨斯农工大学圣安东尼奥分校）
本文基于 CVE 数据集研究 LLM 微调被 Mallas 滥用于生成漏洞代码与文本的风险，并提出安全防护与伦理治理方向。
2024-06-02 cs.CL cs.CR cs.CY
Upper Trust Bound Feasibility Criterion for Mixed Constrained Bayesian Optimization with Application to Aircraft Design
ONERA（法国国家航空航天研究中心）；Université de Toulouse（图卢兹大学）；ISAE-SUPAERO（法国国立高等航空航天学院）
贝叶斯优化方法已经成功地应用于评估成本高的黑盒优化问题。在本文中，我们采用所谓的超有效的全局优化算法，以解决更精确的混合约束问题。所提出的方法处理约束的信任上限，后者鼓励探索的可行域相结合的平均预测和相关的不确定性函数的高斯过程。最重要的是，一个细化的过程，基于学习率标准，介绍了提高开发和探索的权衡。我们展示了一组数值实验的方法的良好潜力。最后，我们提出了一个应用程序的概念飞机配置后，我们表明所提出的方法相比，一组最先进的黑箱优化求解器的优越性。关键词：全局优化，混合约束优化，黑箱优化，贝叶斯优化，高斯过程。
2020-05-12 cs.LG math.OC stat.ML
Trust-Region Variational Inference with Gaussian Mixture Models
TU Darmstadt（达姆施塔特工业大学）；University of Aberdeen（阿伯丁大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Bosch Center for Artificial Intelligence（博世人工智能中心）
机器学习的许多方法都依赖于从难以处理的概率分布中进行近似推理。变分推理通过可随后用于近似推理的易处理模型来近似这种分布。学习足够精确的近似值需要丰富的模型族和仔细探索目标分布的相关模式。我们提出了一种方法，学习精确的GMM近似的难处理的概率分布的基础上，从政策搜索的见解，使用信息几何信任区域的原则性探索。为了有效地改进GMM近似，我们推导出相应的优化目标的下界，使我们能够独立地更新组件。我们使用的下限，确保收敛到一个固定点的原始目标。通过在有希望的区域中添加新的组件和删除具有可忽略的权重的组件来在线调整组件的数量。我们在几个领域证明，我们可以学习复杂的多峰分布的近似值，其质量是以前的变分推理方法无法满足的，并且GMM近似值可以用于绘制与最先进的MCMC采样器创建的样本相同的样本，同时需要少三个数量级的计算资源。
2020-08-04 cs.LG stat.ML
EXPLORE: Exploration with Guided Search for Analog Topology Generation using Language Models
Duke University（杜克大学）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM T. J. Watson Research Center（IBM T. J. 沃森研究中心）
本文针对自动化模拟电路拓扑设计难题，提出EXPLORE框架，集成模拟器引导蒙特卡罗树搜索与基于变压器的解码，利用语言模型先验优化搜索，在6组件基准测试中显著提升成功率、降低均方误差，推动LLM驱动设计自动化。
2026-07-16 cs.LG
Trust-Region Noise Search for Black-Box Alignment of Diffusion and Flow Models
本文提出一种基于信任区域的噪声搜索算法，用于对扩散和流模型进行黑盒对齐，通过优化噪声样本实现更好的生成效果，适用于多种生成任务。
2026-07-07 cs.AI cs.CV cs.LG
LAGO: A Local-Global Optimization Framework Combining Trust Region Methods and Bayesian Optimization
Institute of Mathematics EPFL（瑞士联邦理工学院数学研究所）；Dipartimento di Scienze Matematiche Politecnico di Torino（都灵理工大学数学系）
提出LAGO框架，通过自适应竞争机制耦合贝叶斯优化和基于梯度的信赖域局部细化，用于光滑且梯度可用的昂贵目标函数优化，在提议层面分离全局探索与局部细化。
2026-06-05 cs.LG math.OC
LLMs and the Future of Chip Design: Unveiling Security Risks and Building Trust
New York University（纽约大学）；New York University Abu Dhabi（纽约大学阿布扎比分校）
本文聚焦大语言等模型（LxMs）赋能芯片设计的趋势，综述相关前沿应用，同时从攻防双视角提出该领域安全与可信度的新研究问题并给出初步解答，呼吁关注相关安全风险与信任构建。
2024-05-11 cs.AR cs.CR cs.LG
Interpretable deep learning for guided structure-property explorations in photovoltaics
Iowa State University（爱荷华州立大学）
有机光伏器件的性能与其活性层形态复杂相关。有源层和器件性能之间的这种联系无论是实验上还是计算上的评估都非常昂贵。因此，设计形态以实现更高的性能是不平凡的，往往是棘手的。为了解决这个问题，我们首先引入了一个深度卷积神经网络（CNN）架构，它可以作为复杂结构-属性映射的快速和强大的替代。进行了几次测试以获得对这个训练模型的信任。然后，我们利用这个快速的框架进行稳健的微结构设计，以提高器件的性能。
2018-12-12 cs.CV cs.LG stat.ML
Trust Region Constrained Bayesian Optimization with Penalized Constraint Handling
Statistical Quality Control and Operations Research Unit, Indian Statistical Institute, Kolkata, India（印度统计研究院统计质量控制与运筹研究单位，加尔各答，印度）；Operations Management Group, Indian Institute of Management Calcutta, Kolkata, India（印度管理学院加尔各答运营管理组，加尔各答，印度）
本文提出结合惩罚法、替代模型和信任区域策略的贝叶斯优化方法，通过惩罚约束违反来转换约束问题为无约束形式，提升高维复杂约束优化的稳定性与效率。
2026-08-13 cs.LG stat.ML
Terrain Classification Enhanced with Uncertainty for Space Exploration Robots from Proprioceptive Data
German Research Center for Artificial Intelligence（德国人工智能研究中心）；University of Bremen（不来梅大学）；University of Groningen（格罗宁根大学）
本文提出一种基于不确定性量化的神经网络方法，利用本体数据实现可靠的地形分类，以提高空间探索机器人在不可预测环境中的决策可靠性。
2024-07-03 cs.LG cs.RO
Mathematical Algorithm Design for Deep Learning under Societal and Judicial Constraints: The Algorithmic Transparency Requirement
Technical University of Munich（慕尼黑工业大学）；Munich Center for Quantum Science and Technology (MCQST)（慕尼黑量子科学与技术中心）；Ruhr-Universität Bochum（波鸿鲁尔大学）；Ludwig-Maximilians-Universität München (LMU Munich)（慕尼黑大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文提出数学框架分析算法透明实现的可行性，并比较 Turing 机与 Blum-Shub-Smale 机在逆问题深度学习中的可信性。
2024-01-18 cs.AI cs.CC cs.LG
Enhancing Trust-Region Bayesian Optimization via Newton Methods
State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210023, China（新型软件技术国家重点实验室，南京大学）；Applied Sciences Group, Microsoft, Redmond, WA 98034, USA（微软应用科学组）；Sun Yat-sen University, Guangzhou 510275, China（中山大学）
本文提出一种利用全局高斯过程的梯度和海森矩阵构建局部二次模型的方法，通过求解边界约束二次规划选择样本点，以提升高维信任域贝叶斯优化的采样效率，并解决梯度消失问题，实验证明其优于多种现有技术。
2025-08-25 cs.LG stat.ML
Generative Models as Adaptive Trust Regions for Discrete Bayesian Optimisation
University of Cambridge（剑桥大学）；Monumo（莫诺莫公司）；BigHat Biosciences（大帽生物科学公司）；AstraZeneca（阿斯利康公司）；Lancaster University（兰卡斯特大学）
针对离散贝叶斯优化的高维结构化对象挑战，提出GenTuRBO方法，用预训练生成器定义的自适应尺度提议分布替代几何信任域，在Ehrlich序列优化和Sokoban协同任务中获最高平均最终得分。
2026-10-14 cs.LG
CrystalMO-TuRBO: Multi-Objective Trust-Region Bayesian Optimization for High-precision Joint Crystal Structure Refinement
Bredesen Center for Interdisciplinary Research（布雷德森跨学科研究中心）；University of Tennessee（田纳西大学）；University of Tennessee - Oak Ridge Innovation Institute（田纳西大学-橡树岭创新研究所）
针对X射线与中子联合晶体结构精修中非凸、噪声及多目标权衡难题，提出CrystalMO-TuRBO多目标信任域贝叶斯优化，通过两阶段全局探索与局部细化，在Ho2Ti2O7数据上提升收敛性、鲁棒性和参数精度。
2026-09-18 cs.LG
