用于数据驱动黑盒设计优化的奖励引导扩散模型

基于摘要分析。本文研究材料科学、机器人设计等高维设计空间中的黑盒优化（BBO），提出奖励引导扩散模型，使生成过程偏向高奖励设计，针对现有扩散优化方法依赖可微代理或缺乏直接引导的问题提供替代路径。 方法先预训练扩散模型以匹配初始数据分布，再将模型作为策略进行微调，以提高生成高奖励样本的概率。作者将该过程表述为 Markov decision process（MDP）的训练，并使用 Metropolis–Hastings（MH）算法进行 Markov Chain Monte Carlo（MCMC）采样，指导扩散模型的反向过程。微调采用策略梯度方法；作者称，从预训练模型中采样策略有助于降低训练方差。摘要未说明奖励如何进入 MH 接受准则、策略梯度的具体估计方式，以及采样与参数更新如何衔接，这些机制尚需核对全文。 作者报告，该方法在多种设计问题上取得 state-of-the-art 性能，尤其适用于评价函数不可微或为精确函数的情况。但摘要未提供任务名称、数据规模、数据划分、对照基线、评价指标或具体数值，因此目前不能判断收益幅度、适用范围及评价函数调用成本。实验协议、消融及统计信息尚未验证；复现还需确认奖励定义、预训练数据构成、MH 采样设置、微调预算与实现可用性。 原论文的主要研究对象是黑盒设计优化，材料未提供 EEG 或 BCI 实验，不能据此认定其具有神经信号建模或解码优势；已有 EEG 相关工作尚未检索确认。