标签
本文提出了一种多目标贝叶斯优化方法，用于自动化强化学习中的权重选择以实现节能控制，并在物理Quanser Aero 2测试平台上展示了优于网格搜索的样本效率。
提出了Agentic-Ideation框架，用于高效合成智能体轨迹以训练LLMs进行科学构想，实现了超过10倍的样本效率提升，并优于现有的基于工作流的基线方法。
AC-ODM 使用强化学习动态优化大语言模型的预训练数据组成，实现了更快的收敛速度和更高的下游任务准确率，且计算开销可忽略不计。
本文发现了一种基于LLM的LEGO组装生成中的失败模式PhysHack，并提出PVPO，一种结合基于模型的数据选择的高效样本强化学习方法，仅使用一小部分训练数据即可改善物理和语义对齐。
ChainzRule 提出了一种具有可学习多项式层和微分正则化的神经架构，在表格、NLP和视觉任务上实现了样本高效且鲁棒的性能，在Pima Diabetes、SST-5、Yelp Full和CIFAR-10-C数据集上取得了成果。