כתבה
arXiv cs.CL ·
MOSCOPT: אופטימיזציה קולקטיבית של קולקטיב של כישורים ל-LMM
MOSCOPT: Mixture-of-Skills Collective Optimization for LLM Agents
MOSCOPT מאופטימיזה קולקטיב של כישורים וכישור פלטה ל-LMM. המערכת משתמשת באלגוריתם EditAdam ומשפרת את עצמה באופן מונוטוני. נעשה שימוש ב-5 מבחנים ו-3 LLMs. התוצאות הראו ש-MOSCOPT עולה על כל הבסיסים.
תקציר מקורי באנגליתarXiv:2609.14399v1 Announce Type: cross Abstract: Natural language prompts and skills serve as the strategic backbone of LLM-based agents. Recent advances in prompt and skill optimization have achieved notable gains, yet all existing methods optimize a \emph{single} text template---missing the synergy among multiple complementary strategies. We propose MOSCOPT, a text-native, parameter-free algorithm that jointly optimizes a pool of $N$ skills and a gating skill $G$ that dynamically selects $K$ skills per step. To effectively optimize the skills, we build the EditAdam with internally maintained dual states. Through the three-phase interleaved updates with EditAdam, the system monotonically improves without gradient or parameter tuning. Extensive experiments and detailed ablations across 5
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית