연구진이 사전 정보를 활용한 하이퍼파라미터 최적화(HPO)의 샘플 복잡도 감소 효과를 분석하고, 공식적인 경계(bound)를 제시했어요. 사전 정보가 있을 때, 성능이 좋은 arm에 확률 질량이 집중될수록 필요한 평가 횟수가 줄어들며, 그렇지 않으면 성능이 회복된다는 것을 확인했어요. 합성 벤치마크와 LCBench에서 실험을 통해 이론적 결과를 검증하고, 최대 90%의 예산 감소를 달성하면서도 솔루션 품질을 유지했어요.