Раскрыто, не разработано: демографическая эволюция для совместного и расчетно-интенсивного моделирования
arXiv: 2610,05950v1 Annualce Type: New Humber: LLM-инструктивная эволюция позволяет итеративно разрабатывать модели, однако две практические цели попрежнему недостаточно изучены: поиск моделей, которые передают друг другу смежные задачи, и поддержание усовершенствования в тех случаях, когда обучение является дорогостоящим. Мы введем Демографическую эволюцию (PE) — совместную иерархическую систему, которая соединяет текущие поиски на местах с помощью совместных экспериментальных доказательств. ПЭ оценивает изменения в кодах между соответствующими учебными заведениями и делится результатами, которые будут служить руководством для последующих предложений и продвижения к более широким масштабам обучения. Для решения дорогостоящих задач ГЭ проводит поиск небольших подклассов подготовки и проверяет кандидатов на основе оценок, проводимых коллегами, и промежуточных оценок до проведения полной целевой подготовки. Мы введем RMD-Bench для оценки обеих параметров по рейтингу, прогнозированию часового времени, обнаружению алгоритма RL и предварительной подготовке LLM/VLM. По сравнению с автономной эволюцией при сопоставляемых итерациях источников, ПЭ повышает средний показатель наилучших местных выгод с 7,01% до 8,97% в ранжировании и со 2
