arXiv 2026年10月5日该工作用在线反馈控制（自适应共形推断及其免调参、局部自适应、分组条件变体）替换一次性分位数估计，以应对强化学习搜索过程中候选分布非可交换的问题，在三种网络架构族、单步与序列搜索（三个随机种子）中把覆盖率跟踪到请求水平约10^-3以内，同时剪枝25-50%的评估且未测得精度损失，而静态校准失去覆盖率控制、高斯过程基线始终保守。该工作用在线反馈控制（自适应共形推断及其免调参、局部自适应、分组条件变体）替换一次性分位数估计，以应对强化学习搜索过程中候选分布非可交换的问题，在三种网络架构族、单步与序列搜索（三个随机种子）中把覆盖率跟踪到请求水平约10^-3以内，同时剪枝25-50%的评估且未测得精度损失，而静态校准失去覆盖率控制、高斯过程基线始终保守。在线共形校准让RL驱动硬件感知NAS的覆盖率可调，剪枝25-50%评估且精度无损该工作用在线反馈控制（自适应共形推断及其免调参、局部自适应、分组条件变体）替换一次性分位数估计，以应对强化学习搜索过程中候选分布非可交换的问题，在三种网络架构族、单步与序列搜索（三个随机种子）中把覆盖率跟踪到请求水平约10^-3以内，同时剪枝25-50%的评估且未测得精度损失，而静态校准失去覆盖率控制、高斯过程基线始终保守。该工作用在线反馈控制（自适应共形推断及其免调参、局部自适应、分组条件变体）替换一次性分位数估计，以应对强化学习搜索过程中候选分布非可交换的问题，在三种网络架构族、单步与序列搜索（三个随机种子）中把覆盖率跟踪到请求水平约10^-3以内，同时剪枝25-50%的评估且未测得精度损失，而静态校准失去覆盖率控制、高斯过程基线始终保守。