标签
本文介绍了ExTS，这是一种针对LLM代理中预算受限代理搜索的树搜索策略，在提示优化和代码生成等任务中，相比标准基线平均提升5.5%。
本文介绍了EcoAgent-Bench，一个包含304个任务的基准测试，用于评估LLM代理在明确预算和定价操作下的经济决策，测试五个任务族中的四种与成本相关的决策。
本文研究了在不可靠智能体群中，为实现正确共识，如何最优放置昂贵的“oracle”校正器，揭示了亚模性质以及一个依赖于成本-强度曲率的预算-正确性边界。
本文研究了在固定推理预算下，网络代理的在线技能和记忆模块是否值得其令牌成本，发现预算匹配的朴素基线方法在三个领域和模型上通常与增强方法性能相当或更优。
本文研究了一种用于微预训练的分阶段提升协议，使用从分钟到小时递增的预算来筛选配置。研究发现，早期筛选是有用的但不稳定，并且分阶段方法可以保留长期参考，同时识别出未能通过继续阈值的替代方案。
本文提出了一种适用于预算受限微预训练的分阶段因子筛选工作流，表明短期的设计实验能够识别稳定的超参数惩罚方向，并支持“筛选-优化”策略。