CB-Orchestrator：用上下文赌博机优化LLM工作流
热点事件持续更新
CB-Orchestrator：用上下文赌博机优化LLM工作流
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Jiahang Sun 等作者提出 CB-Orchestrator，把 LLM 智能体的工作流生成与选择拆开：先用进化搜索构建候选工作流池，再用上下文赌博机建模工作流选择，推理时按查询自适应选取最优工作流。 作者称，该框架在五个基准上均优于所有基线；在 MATH 数据集上，训练阶段 API token 开销降低不少于 40.55%，计入工作流池生成后的总端到端训练 token 开销降低不少于 29.73%。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
CB-Orchestrator：通过上下文赌博机实现 LLM 智能体自适应工作流优化报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.LGCB-Orchestrator：通过上下文赌博机实现 LLM 智能体自适应工作流优化
CB-Orchestrator 将 LLM 智能体的工作流生成与选择解耦，先用进化搜索构建候选工作流池，再用上下文赌博机（Contextual Bandit）建模工作流选择，在推理时按查询自适应选取最优工作流。在五个基准上它均优于所有基线，MATH 数据集上训练阶段 API token 开销降低不少于 40.55%，含工作流池生成的总端到端训练 token 开销降低不少于 29.73%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。