研究人员开发了一种新颖的方法来增强大型语言模型（LLM）在动态多模式项目调度中的决策能力。该方法涉及从遗传编程（GP）演化的规则中提取启发式知识，然后将该知识注入LLM。研究探讨了各种知识迁移机制，包括特征选择、特征提示、规则引用和规则遵循，以指导LLM的决策。结果表明，GP衍生的指导通常能提高LLM的性能，其中特征选择等特定方法在更高的代币成本下提供了更好的代币效率，而规则遵循则实现了更强的性能。这种指导还增强了决策的稳定性，并影响了LLM生成的理由中突出显示的特征。 AI
影响 这项研究通过利用由领域特定启发式知识指导的大型语言模型，有望实现更高效、更稳定的项目调度。
排序理由 学术论文，详细介绍了一种将人工智能技术应用于特定领域的新颖方法。[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 →
