标签
本文识别了在使用文本梯度进行LLM裁判的多目标提示优化中的两种失败模式：优化过程中的梯度稀释和推理过程中的指令干扰，表明联合梯度处理会丢失特定于标准的信息。
MOCHA 提出了一种面向 LLM 智能体技能的多目标优化方法，通过切比雪夫标量化和指数退火策略来应对严格的平台约束，发现帕累托最优变体，相较于现有优化器取得了显著改进。
本文提出了GESD，一种面向过程的公平性度量，用于衡量不同子组之间解释稳定性的差异，并将其集成到一个多目标优化框架中，以联合优化效用、结果公平性和解释公平性。
Lean Refactor 提出了一种检索增强的智能体框架，用于对 Lean 证明进行多目标、可控且鲁棒的版本重构，实现了显著的压缩和编译时间减少。
ToolMol是一个进化式智能体框架，结合了多目标遗传算法和基于LLM的操作符，用于设计小分子药物，在多个蛋白质靶点上实现了最先进的结合亲和力和类药性。