一篇新研究论文对 OpenEvolve 和 TTT-Discover 等自动化发现系统普遍优越的观念提出了质疑。这项涉及超过 310 万次 LLM 部署的研究发现，没有一个 Harness 在各种模型-问题对上始终表现优于其他 Harness。研究表明，Harness 选择应被视为一个超参数，需要针对特定问题和模型进行定制，而不是一刀切的解决方案。作者还提出了一种自适应分配方法，该方法可以剔除表现不佳的运行并将计算资源重新分配给表现更强的运行，其表现优于固定的或非自适应的集成方法。 AI
影响 表明当前的自动化发现系统可能并非最优，并强调需要针对特定的 AI 模型和问题制定自适应策略。
排序理由 学术论文，详细介绍了自动化发现系统的新方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
