标签
Skill-MAS提出了一种在无需修改模型权重的情况下，为多智能体系统演化元技能以提升编排能力的方法，实现了跨任务和LLM的可迁移性能提升。
介绍了一个结合流生成编辑和进化算法的框架，用于在残差空间中进行优化，支持使用不可微目标进行可控数据编辑。在MorphoMNIST和晶体数据上进行了验证。
介绍了一个针对LLM游戏智能体的自动提示优化框架，该框架将观察-行动流水线分解为两个智能体，并通过环境回报引导的进化循环迭代优化提示。在BabyAI任务上评估，显著提高了成功率（例如，在PutNext上从0%提升到72.5%），且无需更新模型权重。
DeepEval引入了一种使用遗传算法对提示词进行进化优化的方法，允许基于评估反馈和多目标优化自动重写。
本文提出了一种基于神经进化的微调方法，以提高量化深度学习模型的精度。研究表明，仅使用最近邻舍入是次优的，而在 VGG 和 ResNet 等架构上对权重进行进化变异可获得更好的结果。