跳到正文
热点事件持续更新

论文提出BRED:LLM控制器做自主研究轮间决策

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

arXiv 论文提出 BRED(Between-Round Evidence-based Decision),一个基于大语言模型的控制器,用于自主研究的轮间决策。它维护当前最优的已验证解(Champion)和历史轮次日志,每轮由 LLM 直接依据累积证据决定下一步是继续优化还是转向新方向。 论文报告的实验结果:在 ETTh1、SST-2、CIFAR-100 三个常用研究代理基准上,BRED 较各任务基线分别将 MAE 改善 4.80%(至 0.4172)、准确率提升 3.44 和 3.43 个百分点(至 95.07% 和 84.63%)。在一个新任务——无泄漏协议下的语音抑郁检测上,它在留出的种子上取得 macro-F1 0.6164,比其基线高 5.5 个百分点,比已发表最强系统高 4.0 个百分点。代码已开源。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    BRED:一个读取完整轨迹的 LLM 控制器,如何做出自主研究的轮间决策

    arXiv 论文提出 BRED(Between-Round Evidence-based Decision),一个基于 LLM 的控制器,维护当前最优 Champion 解与历史轮次日志,让大语言模型直接依据累积证据决定下一轮是优化还是转向。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。