待验证50% 置信事实精确时间
SMAC3（Sequential Model-based Algorithm Configuration）是一种黑盒优化方法，基于随机森林代理模型和期望改进采集函数，通过迭代地拟合模型并选择下一个评估点来优化目标。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证SMC是一类基于序贯重要性采样的推理算法，最初用于贝叶斯滤波与状态空间模型，后被引入自然语言生成领域。66% 相似待验证scikit-learn将线性回归、决策树、随机森林、SVM等经典算法统一到一套fit/predict接口63% 相似待验证RBFOpt（Radial Basis Function Optimization）是一种黑盒优化方法，使用径向基函数插值构建代理模型，并结合全局优化策略。61% 相似已验证贝叶斯优化是一种针对昂贵黑盒函数的序贯实验设计方法，通常使用高斯过程作为概率代理模型，长期被视为实验设计领域的强基线61% 相似待验证SMC的设计灵感来源于推测解码（Speculative Decoding）技术，并将其从token级别提升到动作链级别61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129442API
curl https://kongchang.com/api/v1/knowledge/claims/1129442MCP
get_claim(id=1129442)