PulseAugur
中
实时 08:16:50
English(EN) Evaluating Useful Surrogate Models for Configuration Tuning Beyond Accuracy: A Fitness Landscape Analysis Perspective

新工具Model4Tune评估超越准确性的软件调优代理模型

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文介绍了一个名为Model4Tune的预测工具，旨在帮助实践者选择最有效的软件配置调优代理模型。该研究挑战了传统上对模型准确性的关注，提出了基于适应度景观分析的新理论来评估模型的有用性。涉及多达27,000个案例的实证研究表明，Model4Tune在识别未见系统的最优模型-调优器对方面，显著优于随机猜测，从而减少了软件配置工程所需的精力。 AI

影响 为软件调优的模型选择提供了一种新颖的方法，有望提高系统性能工程的效率。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了一种用于软件配置调优的新方法和工具。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

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

新工具Model4Tune评估超越准确性的软件调优代理模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Pengzhou Chen, Hongyuan Liang, Tao Chen ·

    超越准确性评估用于配置调优的有用代理模型：一个适应度景观分析视角

    arXiv:2509.21945v2 Announce Type: replace-cross Abstract: To efficiently tune configuration for better software system performance (e.g., latency) at the deployment and maintenance stage, many tuners have leveraged a surrogate model to expedite the process instead of solely relyi…

相关实体

相关话题