研究人员开发了EvoDuet，这是一种新颖的双层优化方法，旨在通过改进大型语言模型（LLM）利用外部知识的方式来增强科学发现。该方法协同进化解决方案和搜索查询，使LLM能够动态评估知识差距，并决定是检索新文档、重用现有文档还是在没有外部信息的情况下继续进行。EvoDuet在归一化发现方面取得了显著的进步，特别是在GPT-5.6-Luna和Gemini-3.8-Flash等模型上，在多项优化任务上表现优于先前的方法。 AI
影响 通过改进知识检索和任务解决集成，增强了LLM在科学发现方面的能力。
排序理由 该集群描述了一篇关于改进LLM在科学发现任务上性能的新颖方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.40340v1 Announce Type: new Abstract: Evolutionary search with large language models (LLMs) can stall when progress requires external knowledge the model lacks. Supplying relevant documents helps, but simply adding web search tool can keep returning the same pages as so…
Evolutionary search with large language models (LLMs) can stall when progress requires external knowledge the model lacks. Supplying relevant documents helps, but simply adding web search tool can keep returning the same pages as solutions change. We introduce EvoDuet, a bi-level…
Evolutionary search with large language models (LLMs) can stall when progress requires external knowledge the model lacks. Supplying relevant documents helps, but simply adding web search tool can keep returning the same pages as solutions change. We introduce EvoDuet, a bi-level…