新的老虎机框架在预算限制下优化LLM配置评估

研究人员开发了一个新框架，以应对在预算限制下评估大型语言模型（LLM）配置的挑战。该框架将评估过程建模为一个成本感知的多目标老虎机问题，其中每个配置都有相关的成本并产生一个结果向量。提出的方法包括用于在线选择的基于超体积的UCB算法和用于帕累托识别的成本感知经验差距消除算法，两者都旨在在有限预算内优化效率和准确性。在LLM配置任务上的实验结果表明，该方法在高效决策和识别最优配置方面是有效的。 AI

影响 为更高效、更具成本效益的LLM配置评估提供了理论框架和算法。

排序理由 学术论文，详细介绍了LLM配置评估的新理论框架和算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• Cost-Aware Multi-Objective Bandits
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Influence Flower
• large language model
• ScienceCast
• UCB algorithm

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →