circle packing

山丘采样提高了LLM的测试时性能，优于复杂方法

一篇新的研究论文介绍了一种名为山丘采样（Hill Sampling）的新颖方法，用于提高大型语言模型（LLMs）在测试时的性能。该技术包括从一个固定的LLM中重复采样候选程序，并将后续采样条件化为迄今为止找到的最佳程序。山丘采样在圆盘填充问题上取得了最先进的结果，并在Erdos的最小重叠问题上提高了性能，优于进化策略（Evolution Strategies）和重复采样等更复杂的方法。