כתבה
arXiv cs.AI ·
MoMHa: אופטימיזציה מרובה-מטרות של LLM Harnesses על דיוק, בטיחות ותווים
MoMHa: Multi-Objective Optimization of LLM Harnesses over Accuracy, Safety, and Tokens
מערכת של אופטימיזציה מרובה-מטרות להרשמות LLM לדיוק, בטיחות ותווים. המערכת, שנקראת MoMHa, משתמשת בטכנולוגיית Claude Code כדי לאופטימיזר את ההרשמות לפי שלושה מטרות: דיוק, בטיחות ותווים. MoMHa הוכיחה את עצמה כמערכת יעילה ויעילה, והיא כבר נמצאת בשימוש במספר תחומים, כולל פיתוח תוכנה והנדסת תוכנה.
תקציר מקורי באנגליתarXiv:2609.30967v1 Announce Type: new Abstract: Most work on improving large language models treats accuracy as the sole objective. We argue that the harness, the Python code surrounding the model that constructs prompts, routes calls, and parses outputs, is a first-class design surface whose quality is inherently multi-objective: an accurate harness that refuses no unsafe request, or that consumes an order of magnitude more tokens, is not a good harness. We present Meta-Harness, a system that casts harness design as search over three per-domain objectives (accuracy, behavioural safety, and token cost) solved by an agentic proposer (Claude Code) with full filesystem access to prior harness source, execution traces, and scoring artifacts. Our central finding is that a singlephase joint-rewa
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית