返回 AI 工具目录
RoBO
开发框架人工精选最近核验 2026年7月24日
RoBO(Robust Bayesian Optimization)是 AutoML 团队开源的贝叶斯优化框架,用 Python 实现,面向超参数优化与黑盒函数优化。它把采集函数、概率代理模型(高斯过程 george、随机森林 pyrfr)与优化流程拆成可替换模块,便于组合与做算法研究。项目定位偏学术实验,依赖 libeigen3、swig 等系统库需自行编译。代码自 2019 年后无更新,与新版 Python 及依赖的兼容性需自行验证,更适合研究复现而非直接投产。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 把贝叶斯优化拆成采集函数与代理模型可替换模块
- 支持高斯过程(george)与随机森林(pyrfr)两类代理
- 面向超参数与黑盒函数优化的算法研究复现
- 附 Notebook 示例便于理解各组件组合
适合
- 需要自定义贝叶斯优化流程做研究的团队
- 对比不同代理模型与采集函数的实验场景
- 已能处理系统级依赖编译的 Python 环境
不适合
- 需开箱即用调参服务的团队,此项目偏实验
- 不接受自 2019 年起停更、需自查兼容性
- 无法编译 eigen/swig 系统依赖的环境
- 追求分布式大规模调参的生产场景
如何接入
- 以 Python 库形式嵌入自有训练脚本调用
- 依赖 george、pyrfr 两个概率模型库
- 需先装 libeigen3-dev 与 swig 再 setup.py 安装
已知限制
- 仓库自 2019 年后无提交,处于停更状态
- 与较新 Python/NumPy 版本兼容性需自行验证
- 系统级依赖编译门槛高,安装不便
- 文档偏学术,缺少生产化部署指引
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。