English(EN) BoLT: A Benchmark to Democratize Black-box Optimization Research for Expensive LLM Tasks

新的BoLT基准使LLM优化研究民主化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员推出了BoLT，这是一个旨在使昂贵的语言模型（LLM）任务的黑盒优化研究更易于访问的新基准。目前LLM的优化方法通常是启发式的，导致结果不理想。BoLT通过利用轻量级代理模型，提供了一个基于真实实验数据的可重现且易于访问的框架来解决这个问题。该基准涵盖了LLM优化挑战的范围，包括多保真度、多目标和高维搜索空间，旨在推进现代LLM应用的黑盒优化技术的开发和评估。 AI

影响提供了一个标准化的框架，以加速LLM训练和推理优化方面的研究，可能带来更高效、性能更好的模型。

排序理由该集群描述了一个用于LLM优化研究的新基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

本文如何被排名

Signal score: 19 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于LLM优化研究的新基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ruth Wan Theng Chew, Zhiliang Chen, Apivich Hemachandra, Bryan Kian Hsiang Low · 2026-10-28 04:00

BoLT：一个使昂贵LLM任务的黑盒优化研究民主化的基准

arXiv:2605.17000v2 Announce Type: replace-cross Abstract: Optimization of LLM training and inference configurations, such as hyperparameters, data mixtures, and prompts, is critical to performance, but it is often approached heuristically in practice, leading to potentially subop…

本文如何被排名

报道来源 [1]

BoLT：一个使昂贵LLM任务的黑盒优化研究民主化的基准

相关实体

相关话题