本文综述贝叶斯优化进展，涵盖扩展SnAKe算法（兼顾实验成本与输入变化成本）、基于随机先验bootstrap集成的深度学习框架（高维输出优化）、仅需采样后验预测的SBBO方法（组合与离散空间）、随机延迟反馈的子线性遗憾算法、ROBOT（排序与信任区间寻找多样高性能解），以及输入不确定性多目标优化、自适应线性化、ColaBO先验整合和MVaR方法。