自动化算法配置方法最近在人工智能社区受到了广泛关注，因为它们取代了繁琐、不可重复且容易出错的手动参数调整，并且可以带来新的最先进性能。然而，算法配置的实际应用容易受到实验设计中一些（通常是微妙的）陷阱的影响，这些陷阱会使该过程无效。我们确定了一些常见问题，并提出了避免这些问题的最佳实践，包括一个名为 GenericWrapper4AC 的工具，用于通过以标准化、受控的方式执行算法，防止在测量正在优化的算法性能时出现许多可能的问题。
参考文献
- 算法配置中的陷阱与最佳实践 (在 Arxiv 上)
本文实验的数据和脚本：BestPracticeExperiments.tar