打造统一平台，让黑箱优化算法和测试题可共享复用。
OptunaHub: A Platform for Black-Box Optimization
- 通过轻量Python模块和注册表，统一管理优化算法与基准问题。
- 支持独立发布、发现与重用，提升算法可访问性与复用率。
- 适合做自动化机器学习与材料信息学研究的开发者使用。
黑箱优化（BBO）推动了自动化机器学习和材料信息学等领域的发展，但算法与基准测试的实现分散在不同研究社区中。我们推出了OptunaHub（https://hub.optuna.org/），一个面向社区的去中心化平台，以统一的Optuna兼容接口分发BBO组件。OptunaHub通过轻量级Python模块、贡献者驱动的注册表和可搜索的网页界面，实现优化算法与基准问题的独立发布、发现与复用。源代码已公开于GitHub上Optuna组织下的optunahub、optunahub-registry和optunahub-web三个仓库。
原文摘要 · Abstract (English)
Black-box optimization (BBO) underpins advances in domains such as AutoML and Materials Informatics, yet implementations of algorithms and benchmarks remain fragmented across research communities. We introduce OptunaHub (https://hub.optuna.org/), a community-oriented, decentralized platform for distributing BBO components under a unified Optuna-compatible interface. OptunaHub enables independent publication, discovery, and reuse of optimization algorithms and benchmark problems through a lightweight Python module, a contributor-driven registry, and a searchable web interface. The source code is publicly available in the \href{https://github.com/optuna/optunahub}{\texttt{optunahub}}, \href{https://github.com/optuna/optunahub-registry}{\texttt{optunahub-registry}}, and \href{https://github.com/optuna/optunahub-web}{\texttt{optunahub-web}} repositories under the Optuna organization on GitHub (https://github.com/optuna/).
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。