EliteTable：LLM引导的自改进程序搜索算法

Stuart Farmer 提交的 arXiv 论文提出 EliteTable，一种由大语言模型引导的自改进程序搜索算法：它用固定容量的高分方案表来指导新提案、编辑已有方案以及重组多个方案。 在六个 Gymnasium 控制任务上，每个任务搜索十代、每代五十个候选槽，并进行十次独立初始化搜索；六个任务的候选分数中位数从首代到末代均上升，五个任务胜出方案的搜索分数中位数上升，CartPole-v1 十次搜索的胜出者在首代即触及搜索分数上限。作者称结果记录了搜索过程中的改进，以及部分任务中胜出方案在新回合的增益迁移。 论文同时指出，要确定 EliteTable 的相对性能及各组成部分的贡献，仍需进行比较与消融实验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。