★ 3
研究用LLM辅助信息增强贝叶斯优化
论文指出真实优化问题往往包含比函数评估更丰富的信息,如训练曲线、专家笔记、图像与先验知识。作者证明大语言模型可有效利用这类辅助信息指导优化,并提出三种将辅助信息融入贝叶斯优化的方法。在超参数优化基准与真实核聚变优化任务上,方法一致优于标准 BO 及现有基于 LLM 的优化方案。
arXiv cs.LG45 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文指出真实优化问题往往包含比函数评估更丰富的信息,如训练曲线、专家笔记、图像与先验知识。作者证明大语言模型可有效利用这类辅助信息指导优化,并提出三种将辅助信息融入贝叶斯优化的方法。在超参数优化基准与真实核聚变优化任务上,方法一致优于标准 BO 及现有基于 LLM 的优化方案。
论文提出 FGSS 结构化假设管理接口,将语言引导与观测证据、可执行参数干预相连,并在 LLAMBO 上实例化为 FGSS-BO。在两项协议/媒体任务上,其样本均值最优值与搜索 AUC 均优于 LLAMBO 基线。