Современные методы оптимизации часто сталкиваются с ограниченным доступом к значениям целевой функции, что привело к развитию работ, посвящённых оракулам сравнения. В этом обзоре представлен обзор современных алгоритмов гладкой многомерной оптимизации, использующих только информацию о порядке значений функции, а не об их численных величинах. Рассматриваются как неадаптивные, так и ускоренные методы, включая последние достижения в оптимизации с оракулами сравнения. Особое внимание уделяется разнообразию подходов к построению алгоритмов, достигающих скоростей сходимости, сопоставимых с методами первого порядка (координатные алгоритмы), а также первому ускоренному методу в рамках этого оракула. Кроме того, обсуждаются стохастические обобщения оракула сравнения и их теоретические гарантии.