标签
介绍一种生成框架，利用LLM代理将行为异常注入模拟轨迹中，并应用运动约束和地图约束，生成带有真实标签的逼真异常移动数据。
KForge是一个跨平台框架，利用两个协作的基于LLM的智能体，自动生成和优化适用于多种AI加速器的高性能计算内核，在NVIDIA B200和Intel Arc B580硬件上实现了显著的加速效果。
本文提出了声明式数据服务（DDS），这是一种从声明式用户意图出发，对数据系统组合进行结构化智能体发现的架构。它将全局搜索分解为有界子搜索，并在一个交易后端工作负载上展示了收敛性，而在此负载上无界发现会失败。
论文介绍了Kernel Discovery，这是一个LLM驱动的进化框架，用于高维贝叶斯优化，它搜索更广泛的核空间并在基准测试上取得了最先进的结果。
SMCEvolve 提出了一种原则性框架，用于 LLM 驱动的程序演化，通过将其重新表述为使用序贯蒙特卡洛从奖励倾斜分布中采样。它提供了收敛保证，并在多个科学发现基准测试中优于现有方法。
DataFlow是一个LLM驱动的框架，用于自动化数据准备和工作流工程，具备近200个可复用算子和六个领域通用流程，可在数学、代码和Text-to-SQL等任务上提升LLM性能。