Zhiliang Chen

新的BoLT基准使LLM优化研究民主化

研究人员推出了BoLT，这是一个旨在使昂贵的语言模型（LLM）任务的黑盒优化研究更易于访问的新基准。目前LLM的优化方法通常是启发式的，导致结果不理想。BoLT通过利用轻量级代理模型，提供了一个基于真实实验数据的可重现且易于访问的框架来解决这个问题。该基准涵盖了LLM优化挑战的范围，包括多保真度、多目标和高维搜索空间，旨在推进现代LLM应用的黑盒优化技术的开发和评估。