Metodo di Ottimizzazione Black-Box In-Context con Feedback

Una nuova tecnica nota come ottimizzazione black-box in-context con feedback (FICBO) è stata presentata in un preprint su arXiv (2605.06187v1). Questo metodo affronta le sfide dell'ottimizzazione black-box quando sono disponibili informazioni collaterali da esperti, simulatori o euristiche, ma potenzialmente inaffidabili. Gli approcci convenzionali di ottimizzazione bayesiana consapevoli del feedback si concentrano su un singolo compito alla volta, limitando la capacità di generalizzare tra diverse fonti di feedback. Mentre gli ottimizzatori in-context possono adattarsi tra compiti, spesso dipendono esclusivamente dalla cronologia di ottimizzazione durante il test. FICBO utilizza sia la cronologia osservata che il feedback ausiliario a basso costo per l'attuale insieme di candidati. I ricercatori hanno creato un feedback strutturato a priori per modellare variazioni nell'accesso, rilevanza e distorsione delle fonti di feedback rispetto all'obiettivo reale, con l'obiettivo di migliorare l'efficienza della ricerca in ambiti scientifici e ingegneristici dove il feedback può essere distorto o fuorviante.