Optimization 如果我能计算梯度和Hessian，牛顿方法会显著优于BFGS/L-BFGS吗？

我有一个三参数估计问题（因此维数很低，内存不是问题），其中目标函数和梯度+hessians的计算速度很慢，因为这是蒙特卡罗模拟的结果。然而，我的代码是这样实现的，我可以使用自动微分得到梯度+黑森，这应该比基于有限差分的近似更好

因此，我想做尽可能少的迭代，aka。函数和梯度/黑森评价尽可能达到最佳。那么，牛顿-拉斐逊方法会是一种可行的方法吗，用一个AD生成的黑森方法