研究人员开发了一种名为在线后训练的新方法，用于改进用于自动启发式设计（AHD）的大型语言模型（LLM）。与传统的保持生成器模型静态的AHD系统不同，这种方法根据LLM生成的启发式的性能来更新模型。该系统名为EvoTune，使用带有可验证奖励的强化学习（RLVR）来创建一个反馈循环，其中评估的候选者不仅指导搜索，还为LLM提供训练信号。该方法侧重于从程序有效性和任务性能构建上下文相关的学习信号，旨在超越简单地累积搜索状态来增强LLM的启发式设计能力。 AI
影响 这项研究可能带来更高效、更有效的基于LLM的自动化设计任务系统。
排序理由 该集群包含一篇详细介绍LLM训练新方法的 ist research paper。
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 →
