optimization-framework

本文介绍了 Priority-Constrained Descent (PCD)，这是一个针对层次多目标问题的基于梯度的优化框架，它在保持主要下降方向的同时，允许对次要目标进行最小的扭曲。

本文介绍了 Newton Matching，这是一种用于生成模型微调和采样的统一框架。它通过将学习视为迭代优化过程并利用条件匹配结构，解决了现有方法的局限性。

EvoSafeHarness通过联合搜索自然语言策略和可执行逻辑，优化可部署的LLM智能体安全框架，从而改善跨智能体基准的安全-效用权衡。