本研究提出了一种新颖的不确定性感知搜索框架（USeMO），通过多目标黑盒优化提高评估效率。实验结果表明，USeMO在多个基准问题上优于现有算法。同时，贝叶斯优化在高维度和复杂问题中表现出色，能够有效优化昂贵的黑箱函数。研究还提出了稳健贝叶斯优化算法AIRBO，能够处理输入不确定性并实现优异性能。