标签
本文介绍了一种用于量子化学的自适应即时多保真度机器学习算法，该算法能够自主确定不同保真度下的训练数据组成，与单保真度方法相比，数据生成成本降低高达30倍，与标准多保真度方法相比降低高达5倍。
本文提出了2FFS，一种双保真度树搜索算法，该算法在随机极小极大树中自适应地平衡廉价但有偏差的评估与昂贵但准确的评估，用于固定置信度的最优动作识别，具有理论保证和实验效率提升。
本文介绍了 AutoLLMResearch，这是一个智能体框架，旨在通过在低保真环境中学习并外推至高成本设置，实现昂贵的大型语言模型（LLM）实验配置的自动化。其目标是减少可扩展 LLM 研究中的计算浪费以及对专家直觉的依赖。