Chebyshev scalarization

新的MOCHA方法优化LLM代理技能，兼顾准确性和经济性

研究人员开发了MOCHA（多目标切比雪夫退火），一种用于优化大型语言模型中代理技能的新颖方法。传统方法常常难以处理技能准确性和效率之间固有的权衡，导致进展停滞。MOCHA通过使用切比雪夫标量化来探索和扩展技能的帕累托前沿，接受那些在准确性或经济性方面提供改进的方案，从而解决了这一问题。该方法已展示出显著的收益，在准确性方面优于基线方法，并在各种模型和基准测试中发现了更多的帕累托最优技能。