Code-to-Harness

语言模型通过实践学习搜索策略，可文本化迁移

研究人员开发了一种名为Code-to-Harness的方法，使语言模型能够通过实践学习数值搜索策略，然后将这些策略提炼成文本。该方法显著降低了黑盒优化任务中的遗憾，其表现优于未受辅助的语言模型，并可与经典优化器相媲美。提炼出的文本策略可跨不同模型迁移，包括Gemini Flash和Claude Sonnet，并在真实世界的生产基准测试中显示出有效性。