研究人员开发了一种名为“仅够用的探索式微调”(Just-Enough Exploration Tuning, JET)的新微调方法,以解决用于代码库问答的大型语言模型(LLM)智能体过度探索的问题。JET通过截断训练轨迹并将解释回答决策的理由分配更高的损失权重来训练智能体,使其在收集到足够信息后即可回答问题。实验表明,JET在保持性能的同时将工具调用减少了11-33%,并降低了推理成本。 AI
影响 降低了代码分析任务中LLM智能体的计算成本并提高了效率。
排序理由 该集群包含一篇详细介绍LLM智能体新微调方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Just-Enough Exploration Tuning
- LLM agents
- Repository-Level Question Answering
- ScienceCast
- supervised fine-tuning
- SYNE1
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →