CB-Orchestrator：赌博机优化LLM工作流
热点事件持续更新
CB-Orchestrator：赌博机优化LLM工作流
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Jiahang Sun 等作者提交论文提出 CB-Orchestrator 框架，把 LLM 智能体的工作流生成与选择解耦：第一阶段用进化搜索构建候选工作流池，第二阶段把工作流选择建模为上下文赌博机问题，通过平衡探索与利用减少训练所需反馈，推理时按查询自适应选择工作流。作者称该框架在五个基准测试上均优于所有基线；在 MATH 数据集上，训练阶段 API token 开销降低不少于 40.55%，包含工作流池生成在内的端到端训练 token 开销降低不少于 29.73%。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
CB-Orchestrator：用上下文赌博机为 LLM 智能体做自适应工作流优化报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.LGCB-Orchestrator：用上下文赌博机为 LLM 智能体做自适应工作流优化
CB-Orchestrator 通过把工作流选择建模为 Contextual Bandit 问题，将工作流生成与选择解耦，从而减少训练阶段所需的反馈。在五个基准测试上它均优于所有基线，MATH 数据集上训练阶段 API token 开销降低不少于 40.55%，含工作流池生成在内的端到端训练 token 开销降低不少于 29.73%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。