ParetoSaddler

ParetoSaddler 优化 LLM 智能体组合，兼顾质量与成本

研究人员开发了一种新颖的优化大型语言模型 (LLM) 智能体组合的方法 ParetoSaddler。该方法将中间候选者晋升与最终部署选择分开，从而可以联合优化响应质量和成本。通过使用贝叶斯自举帕累托支持，ParetoSaddler 识别出在质量或成本方面显示出可信进展的候选者，保留了可能被丢弃的有价值的选项。在 ClawMark 和 GAIA2 基准测试上的评估表明，在降低每项任务成本的同时，质量也得到了显著提高。