arXiv · cs.CL· Sichun Luo·· 14 小时前精选AI 评分56
arXiv 论文研究 LLM 智能体 scaffold 演化中评测预算应如何分配
Where Should the Evaluation Budget Go in LLM-Driven Agent Scaffold Evolution?
来源与原文
arXiv · cs.CL
作者：Sichun Luo
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37276v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文（arXiv:2610.37276）研究 LLM 驱动的智能体 scaffold 演化中评测预算在搜索引导与最终选择之间的分配问题。实验显示稀疏反馈足以维持有效演化，额外的定向评测则改善终选；作者据此提出 \method 框架，用短时全量评测 warm-up 建立共享信息核心并校准响应模型，搜索后重拟合模型并执行配对 successive halving。在四个基准和两个演化框架上，该方法在多数设置下平均性能超过全量评测，而评测单元用量约为原来一半。
推荐理由
论文提出在 scaffold 演化中把评测预算拆分为稀疏搜索反馈与定向终选，用约一半评测量拿到更优结果，方法可迁移。
来源：arXiv · cs.CL · arxiv.org