본 논문은 기존의 상호작용적 베이지안 최적화(BO) 방법들이 사용자의 사전 분포를 이용하여 획득 함수에 가중치를 부여하는 방식으로 사용자 피드백을 반영하지만, 획득 함수의 내부 최적화 과정으로 인해 사용자의 의도가 정확히 반영되지 않는다는 문제점을 지적합니다. 이를 해결하기 위해, 확률 회로(PCs)라는 추론 가능한 확률 모델을 이용한 새로운 BO 접근 방식을 제시합니다. PCs는 혼합형 하이퍼파라미터 공간과 평가 점수에 대한 추론 가능한 결합 분포를 인코딩하여 정확한 조건부 추론과 샘플링을 가능하게 합니다. 조건부 샘플링을 기반으로, 획득 함수 없이 후보 점을 생성하는 새로운 선택 정책을 제시하며, 이를 통해 내부 루프 최적화가 필요 없고 사용자의 믿음이 선택 정책에 정확하게 반영됩니다. 이론적 분석과 광범위한 실험적 평가를 통해 제안된 방법이 표준 HPO에서 최첨단 성능을 달성하고, 상호작용적 HPO에서 기존 상호작용적 BO 기준 모델보다 우수한 성능을 보임을 보여줍니다.