כתבה
arXiv cs.AI ·
איך יש לאופטימיזציה של תווית להשתמש בתקציב צר? BudgetAPO עם כריית רעש-אדפטיבית
How Should a Prompt Optimizer Spend a Tight Budget? BudgetAPO with Noise-Adaptive Evaluation
אופטימיזציה של תווית חדשה לתקציב צר, עם כריית רעש-אדפטיבית. BudgetAPO משתמש בכלי זה כדי לשפר את התפעול של מודלי LLM. המחברים השוו את BudgetAPO ל-GEPA ומצאו שהוא עובד טוב יותר בתקציב צר.
תקציר מקורי באנגליתarXiv:2610.05671v2 Announce Type: replace Abstract: Automatic prompt optimization (APO) has been widely employed to adapt large language models without updating their weights, yielding promising results. However, existing methods such as GEPA and OPRO assume hundreds to thousands of subject-model calls, far more than is practical behind paid, rate-limited APIs. Under tight budgets they fail in two ways: multi-stage pipelines can exhaust the budget and return the seed prompt unchanged, while single-stage methods compare candidates on fixed-size minibatches, regardless of each task's noise. As a remedy, we introduce BudgetAPO, a single-stage optimizer for the tight-budget regime. BudgetAPO incorporates (1) a noise-adaptive rule that sizes the evaluation slice to each task's noise, measured b
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית