ParetoSaddler：智能体框架质量与成本联合优化

Xingzhi Qian 等作者发布论文，提出 ParetoSaddler，一种在不改动模型权重的前提下，联合优化大语言模型智能体执行框架（harness）的质量与成本的方法。 该方法把中间候选的晋级与最终部署选择分成两个环节：用贝叶斯自助法计算帕累托支持度，筛选出在质量或成本上取得可信进步的候选，再进入最终部署选择。作者称，这种拆分针对的是候选评估与最终部署选择之间的错配问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。