PulseAugur
实时 23:44:17
English(EN) PACEvolve++: Improving Test-time Learning for Evolutionary Search Agents

新框架PACEvolve++ 提升LLM驱动的进化搜索

研究人员开发了PACEvolve++,一个旨在增强由大型语言模型驱动的进化搜索代理的新框架。该系统引入了一个可训练的顾问模型,该模型生成、评估和选择假设,而一个独立的边界模型则将这些假设转化为可执行的候选。PACEvolve++采用阶段自适应方法来优化顾问的学习策略,在进化过程早期利用群体相对反馈,并在后期强调边界贡献以实现稳定改进。该框架在专家并行负载均衡和蛋白质适应性外推等任务中,展示了优于现有方法的性能,实现了更快的收敛速度和更稳定的测试时训练。 AI

影响 通过提高复杂任务中的适应性和收敛速度,增强了LLM驱动的进化搜索。

排序理由 该集群描述了一篇关于进化搜索代理新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

新框架PACEvolve++ 提升LLM驱动的进化搜索

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    PACEvolve++:改进进化搜索智能体的测试时学习

    Large language models have become drivers of evolutionary search, but most systems rely on a fixed, prompt-elicited policy to sample next candidates. This limits adaptation in practical engineering and research tasks, where evaluations are expensive, and progress depends on learn…