multi-objective

CRAFT 是一种帕累托前沿提示优化器，通过使用 NSGA-II 和预算感知验证，在准确率-成本权衡前沿上维持多样化的提示种群，从而联合优化准确率与 token 成本，同时避免加权求和方法所导致的"标量化坍塌"问题。

介绍WeCon，一种用于多目标组合优化问题的权重条件神经求解器，其超体积与现有最优方法相当，同时推理时间减少40%。

本文介绍了 MOCI，这是一种新颖的框架，能够从强化学习中的异构专家演示中推断共享约束和个体偏好，在预测性能和计算效率方面均优于现有基线。