AdaEvolve

新框架通过跨任务记忆迁移增强LLM程序演进

研究人员开发了一个名为 $\varepsilon$-MemEvo 的新框架，旨在提高基于大型语言模型（LLM）的程序演进系统的效率。该框架通过将成功的算法策略存储为自然语言摘要，实现了跨任务知识迁移，这些摘要可应用于具有不同API的任务。为防止负迁移，$\varepsilon$-MemEvo 采用了一个自适应注入门，动态决定是否以及如何使用检索到的记忆。在八个不同基准上的评估表明，使用GPT-5作为骨干的 $\varepsilon$-…