发布于 : Apr 26, 2023
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中，那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中，那么它很有可能已经不再具有相关性，我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。
了解更多
Apr 2023
Trial
值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。
在面对探索大型配置空间的挑战时，可能需要大量的时间来评估给定配置，团队可以转向自适应实验，这是一种机器引导的迭代过程，以资源高效的方式找到最佳解决方案。Ax 是一个用来管理和自动化自适应实验的平台，它包括机器学习实验，A/B 测试和模拟。目前，它支持两种优化策略，一种是使用 BoTorch 的贝叶斯优化，它是建立在 PyTorch 基础上的，以及 contextual bandits。 Facebook 在 发布 Ax 和 BoTorch 时描述了例如提高后端基础设施的效率，调整排名模型和优化机器学习平台的超参数搜索的用例。我们已经在多种用例中有了丰富的 Ax 应用经验，虽然超参数调整工具是存在的，我们尚未发现有能提供与 Ax 在一定范围上具有相似功能的平台。
