Компьютерные науки > Машинное обучение [представлено 27 октября 2026 года] Название: NextEval: An agent-Solver and Basic for Derivative-Free Optimization View PDF HTML (экспериментальное) Резюме: Бессистемная оптимизация (DFO) решает проблемы, когда производных не хватает или их получение сопряжено с большими затратами. Такая ситуация часто возникает в ходе моделирования и экспериментальных прикладных программ, где оценка цели черного ящика может быть сама по себе дорогостоящей. Таким образом, перед МФО по-прежнему стоит главная задача эффективного использования накопленных замечаний для отбора пунктов информативной оценки в рамках ограниченного бюджета. В этом свете мы представляем режиссёра NextEval, агенто-распределителя DFO, который объединяет возможности большой языковой модели (LLM) для руководства последовательным отбором точек оценки. Если говорить конкретно, то мы создаём систему, которая сочетает агента ЛММ с цифровой средой. Окружающая среда обеспечивает инструменты для анализа прошлых оценок и применения цифровых методов, сохраняя при этом общую историю оценки и конкретное состояние методологии в поддержку продолжения работы по различным методам. С помощью наблюдений и инструментов обратной связи агент LLM выбирает инструменты, настраивает их параметры и распределяет бюджет оценки, в то время как числовые методы вычисляют и оценивают точки кандидатов. Опираясь на эту систему, мы также введем " NextEval Scel &qot; , эталонный протокол для сопоставления…
NextEval: агентский растворитель и контрольный параметр для беспроигрышной оптимизации
arXiv: 261 030.36553v1 Вид уведомления: новое резюме: беспроизводственная оптимизация (DFO) решает проблемы, когда производные недоступны или дорогостоящи для получения. Такая ситуация часто возникает в ходе моделирования и экспериментальных прикладных программ, где оценка цели черного ящика может быть сама по себе дорогостоящей. Таким образом, перед МФО по-прежнему стоит главная задача эффективного использования накопленных замечаний для отбора пунктов информативной оценки в рамках ограниченного бюджета. В этом свете мы представляем режиссёра NextEval, агенто-распределителя DFO, который объединяет возможности большой языковой модели (LLM) для руководства последовательным отбором точек оценки. Если говорить конкретно, то мы создаём систему, которая сочетает агента ЛММ с цифровой средой. Окружающая среда обеспечивает инструменты для анализа прошлых оценок и применения цифровых методов, сохраняя при этом общую историю оценки и конкретное состояние методологии в поддержку продолжения работы по различным методам. Использование наблюдений и инструментов обратной связи