# Сходимся, затем диверсифицируем: разделение конвергенции и разнообразия в многоцелевой байесовской оптимизации

> Полный текст доступен на английском

**Published:** 15 сентября 2026 г.
**Author:** Chao Jiang, Yueling Huang, Miqing Li
**Source:** arXiv — cs.AI
**Language:** en-US
**HTML:** https://aiqazaqstan.com/ru/articles/converge-then-diversify-decoupling-convergence-and-diversity-in-multi-ob

Многокритериальная байесовская оптимизация (MOBO) — это эффективный по выборке подход для оптимизации дорогостоящих функций «черного ящика» с несколькими целями. В MOBO цель состоит в том, чтобы адекватно аппроксимировать фронт Парето; то есть получить качественный набор решений с 1) хорошими…

> Материал агрегирован из первоисточника: **arXiv — cs.AI**
> [Читать полностью в arXiv — cs.AI](https://arxiv.org/abs/2609.13396)

---

*AI Qazaqstan — non-commercial informational portal about AI in Kazakhstan. Machine translations and summaries are AI-generated.*