研究人员开发了一个名为 ReLay 的新框架，用于成本高效的 LLM 驱动进化，该框架优化了计算资源的分配。ReLay 不会将强大的语言模型应用于每个查询或变异步骤，而是专注于自适应种群切换。该方法使用更便宜的模型在短块中探索多个进化轨迹，并通过一个 bandit 调度器根据“Relay Gain”（来自精选候选库的改进）来决定何时切换到更强大的模型。在各种基准测试中，ReLay 均表现优于现有方法，表明有状态搜索中的预算分配应优先考虑种群级策略。 AI
影响 优化了 LLM 驱动进化的计算成本，可能使先进的 AI 驱动研究更加普及。
排序理由 该条目是发表在 arXiv 上的一篇研究论文，详细介绍了 LLM 驱动进化框架。 [lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
