一位資料科學家正在調整深度學習物件偵測模型，必須執行許多平行的超參數試驗、提早停止表現不佳的試驗，並為有潛力的試驗分配更多資源。哪種超參數搜尋技術能在滿足這些要求的同時，將總運算時間降到最低？

Hyperband 是最適合此情境的技術。它透過多臂賭博機 (multi-armed bandit) 方法，有效地分配資源給表現較佳的超參數組合，並提早停止表現不佳的試驗，從而大幅減少總運算時間。 網格搜尋 (Grid search) 會系統地探索所有預定義的超參數組合，但效率低，無法提早停止或動態分配資源。隨機搜尋 (Random search) 比網格搜尋更有效率，但仍缺乏提早停止和資源分配的機制。貝氏最佳化 (Bayesian optimization) 雖然能有效找到最佳超參數，但它通常一次只評估一個組合，不擅長平行執行多個試驗並提早停止。