Куда должен идти бюджет оценки в LLM-Driven Agent Scaffold Evolution?

arXiv: 261 030,3727676v 1 Annualce Type: New Habstrate: Green-Lange Model (LLM) Resold Evolution улучшает процесс работы агентов за счет итеративного генерации и оценки потенциальных кандидатов. Оценка как служит руководством для последующего поиска, так и определяет окончательный строительные работы, однако оценка каждого кандидата по всему набору задач сопряжена с существенными расходами на выполнение. Мы изучаем вопрос о том, каким образом можно распределять бюджеты по оценке между этими двумя функциями. Наши эксперименты показывают, что малое обратная связь может поддерживать производительную эволюцию, в то время как дополнительная целевая оценка улучшает окончательный отбор. Анализы также показывают, что общие информационные материалы и общее сопоставление баллов для справочных целей между кандидатами, имеющими тесные связи. Исходя из этих выводов, мы предлагаем метод распределения ресурсов для оценки, который сочетает малое время обратной связи с целевым окончательным подтверждением. Краткое полностью оцененное разогревание создает общее информационное ядро и калибрует модель реагирования, параметры которой rem