★ 2
论文提出面向 LLM 智能体工作流的帕累托成本优化推荐方法
arXiv 论文针对 LLM 智能体工作流提出成本高效的帕累托推荐方法，在效果与开销之间做多目标权衡。该工作试图为智能体流水线中的模型与配置选择提供系统化推荐，降低部署成本。
Hacker News – LLM6 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文针对 LLM 智能体工作流提出成本高效的帕累托推荐方法，在效果与开销之间做多目标权衡。该工作试图为智能体流水线中的模型与配置选择提供系统化推荐，降低部署成本。
提出多目标智能体进化（MOAE）框架，通过帕累托保持的进化搜索优化智能体的任务性能、轨迹质量和安全性。在TravelPlanner和AgentDojo上，MOAE在匹配预算下持续提升性能并保持安全，扩大可达目标区域并增加联合改进频率，避免固定标量化带来的权衡损失。