研究人员开发了 CIRCE，一个新颖的系统，旨在预测大型语言模型 (LLM) 在尝试任务之前的复杂度。CIRCE 分析问题中固有的约束结构，将其转换为约束中间表示，该表示可编译为约束图。这种方法利用图神经网络 (GNN) 编码器，在预测各种推理基准和 LLM 的 LLM 回应正确性方面取得了改进，优于现有方法。 AI
影响 该方法可以优化 LLM 的路由和计算分配，可能导致更高效的 AI 代理操作。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种预测 LLM 任务复杂度的新方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.41089v1 Announce Type: new Abstract: Estimating whether a problem is too complex for a large language model (LLM) before the model attempts it can guide model routing, how to allocate test-time compute, and suggest the need for new tools to aid the agent. While existin…
Estimating whether a problem is too complex for a large language model (LLM) before the model attempts it can guide model routing, how to allocate test-time compute, and suggest the need for new tools to aid the agent. While existing estimators rely on the problem text, LLM-annot…