研究人员引入了一种名为代理贝叶斯优化（BO）的新范式，该范式将大型语言模型（LLM）整合为BO循环内的核心决策者。该方法利用贝叶斯后端提供一个感知不确定性的优化基底，使LLM代理能够通过自然语言配置问题、选择评估和调整策略。该系统以Sara的形式实例化，其基于BoTorch的后端名为lenz，在各种基准测试中，尤其是在动态环境中，它能够即时重新配置优化问题，表现优于现有的基于LLM的方法和标准BO。 AI
影响 通过将LLM的能力与传统的贝叶斯方法相结合，这项研究可能带来更复杂问题的高效和自适应优化技术。
排序理由 详细介绍贝叶斯优化新方法的学术论文。[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 →
