כתבה
arXiv cs.AI ·
בחקירה עמוקה: Agentic BBO - השוואה של סוכני LLM לאופטימיזציה שחור-קופסה
A Closer Look at Agentic BBO: Benchmarking LLM Agents for Black-Box Optimization
במאמר זה, נחקיר את Agentic BBO, סוכן LLM חדשני לאופטימיזציה שחור-קופסה. נבחן את יכולותיו של Agentic BBO בתחומים שונים, כולל אופטימיזציה של פאראמטרים, תיקון רשת, ועוד. נבדוק גם את השפעת כלים נוספים על תוצאות Agentic BBO.
תקציר מקורי באנגליתarXiv:2610.12183v1 Announce Type: cross Abstract: Black-box optimization (BBO) arises in many scientific and engineering problems where objective evaluations are expensive and limited. Recent large language model (LLM) agents offer a new way to approach BBO by combining task semantics, computation, optimization tools, and feedback-driven decision making, showing great potential due to the integration with mathematically rigorous tools. However, existing agentic BBO studies use different task domains and system configurations, making their results difficult to compare and the effects of individual design choices hard to isolate. We therefore introduce AgenticBBO-Bench, a cross-domain benchmark for agentic BBO spanning synthetic functions, hyperparameter optimization, database tuning, chip d
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית