본 논문에서는 최초로 새로운 하이퍼파라미터 최적화(HPO) 알고리즘인 POCAII를 제안합니다. POCAII는 Hyperband와 Successive Halving과 달리 탐색 및 평가 단계를 명확히 분리하고, 두 단계 모두에서 원칙적인 탐색 및 활용 원리를 사용합니다. 이러한 차별화는 HPO 프로세스 초기에 탐색(즉, 경쟁 구성 생성)에 집중하고 HPO가 끝날 무렵 평가 노력을 증가시킴으로써 하이퍼파라미터 최적화 예산을 관리하는 매우 유연한 체계를 제공합니다. POCAII는 최첨단 기법인 SMAC, BOHB 및 DEHB와 비교되었으며, 저예산 하이퍼파라미터 최적화 환경에서 우수한 성능을 보였습니다. 많은 실무자들이 HPO에 대한 충분한 자원을 할당할 수 없다는 점을 고려할 때, POCAII는 실제 문제에 널리 적용될 수 있습니다. 또한 실험적 증거는 POCAII가 더 높은 견고성과 더 낮은 결과 분산을 보여줌을 입증했습니다. 이는 훈련에 매우 비용이 많이 드는 모델을 고려할 때 현실적인 시나리오에서 매우 중요합니다.
