Khuyến nghị Pareto tối ưu chi phí cho quy trình làm việc của tác tử LLM

Khoa học máy tính > Học máy arXiv:2610.26676 (cs) [Gửi ngày 19/10/2026] Tiêu đề: Mô hình nào cho vai trò nào? Khuyến nghị Pareto tối ưu chi phí cho quy trình tác tử LLM Tác giả: Qian Xie, Wenyue Hua, Yueli He, Sripad Karne, Armaan Agrawal, Nikos Pagonas, Eugene Wu, Kostis Kaffes, Tianyi Peng, Nairen Cao Xem bản PDF của bài báo có tiêu đề Mô hình nào cho vai trò nào? Khuyến nghị Pareto tối ưu chi phí cho quy trình tác tử LLM, bởi Qian Xie và 9 tác giả khác Xem PDF HTML (thử nghiệm) Tóm tắt: Các quy trình tác tử LLM ngày càng sử dụng nhiều mô hình khác nhau cho các vai trò chuyên biệt. Người dùng có thể ưu tiên các mức độ đánh đổi khác nhau giữa chất lượng thực hiện tác vụ và chi phí triển khai, đôi khi cũng tính đến độ trễ. Việc tìm kiếm các phương án phân bổ phù hợp làm phát sinh chi phí tìm kiếm riêng biệt từ quá trình đánh giá nhiều ứng viên. Nghiên cứu giới thiệu Cost-Coupled Gittins (CC-Gittins), một phần mở rộng đa mục tiêu của thuật toán tìm kiếm Gittins đơn mục tiêu có nhận thức về chi phí phục vụ khuyến nghị Pareto. Phương pháp này tận dụng mối liên kết giữa chi phí đánh giá và chi phí triển khai: các phương án tốn nhiều chi phí triển khai hơn cũng sẽ tốn nhiều chi phí đánh giá hơn. Quá trình tìm kiếm luân phiên giữa việc tìm kiếm chất lượng cao hơn và chi phí triển khai thấp hơn, tái sử dụng kết quả của mỗi lần đánh giá để cung cấp thông tin cho cả hai hướng tìm kiếm. Sau mỗi đợt, CC-Gittins khuyến nghị các phương án không bị chi phối theo các ước tính đã điều chỉnh độ không chắc chắn về chất lượng và chi phí triển khai. Nhóm tác giả đánh giá CC-Gittins trên tám ma trận chất lượng - chi phí từ các quy trình có từ hai đến năm vai trò và tối đa 1.681 phương án phân bổ ứng viên. Phương pháp này cũng được đánh giá với độ trễ là mục tiêu thứ ba. Trên cả tám bộ chuẩn đối sánh, CC-Gittins khôi phục một phần đáng kể đường biên Pareto thực tế với mức chi phí chỉ bằng khoảng 10% chi phí đánh giá vét cạn, đồng thời khôi phục phần lớn đường biên với rất ít trường hợp dương tính giả ở mức chi phí 30%. Ghi chú: Phiên bản sơ bộ được chấp nhận tại Hội thảo NeurIPS 2026 về AI tác tử có nhận thức về tài nguyên (RAAAI) Chủ đề: Học máy (cs.LG); Tính toán và ngôn ngữ (cs.CL); Học máy (stat.ML) Trích dẫn: arXiv:2610.26676 [cs.LG] (hoặc arXiv:2610.26676v1 [cs.LG] cho phiên bản này) https://doi.org/10.48550/arXiv.2610.26676 Nhấp để tìm hiểu thêm DOI do arXiv cấp qua DataCite Lịch sử gửi bài Từ: Qian Xie [xem email] [v1] Thứ Hai, ngày 19/10/2026 16:25:07 UTC (15.666 KB) Liên kết toàn văn: Truy cập bài báo: Xem bản PDF của bài báo có tiêu đề Mô hình nào cho vai trò nào? Khuyến nghị Pareto tối ưu chi phí cho quy trình tác tử LLM, bởi Qian Xie và 9 tác giả khác Xem PDF HTML (thử nghiệm) Nguồn TeX xem giấy phép Tính năng bổ sung Tóm tắt âm thanh Ngữ cảnh duyệt hiện tại: cs.LG < trước | tiếp > mới | gần đây | 2026-10 Chuyển sang duyệt theo: cs cs.CL stat stat.ML Tài liệu tham khảo & Trích dẫn SciX Google Scholar Semantic Scholar xuất trích dẫn BibTeX Đang tải... Trích dẫn định dạng BibTeX &times; đang tải... Dữ liệu được cung cấp bởi: Đánh dấu Công cụ thư mục Công cụ thư mục và trích dẫn Bật/tắt Bibliographic Explorer Bibliographic Explorer (Explorer là gì?) Bật/tắt Connected Papers Connected Papers (Connected Papers là gì?) Litmaps Litmaps (Litmaps là gì?) Bật/tắt scite.ai Trích dẫn thông minh scite (Trích dẫn thông minh là gì?) Mã nguồn, Dữ liệu, Đa phương tiện Mã nguồn, dữ liệu và tệp đa phương tiện liên quan đến bài báo này Bật/tắt alphaXiv alphaXiv (alphaXiv là gì?) Bật/tắt liên kết mã nguồn Công cụ tìm kiếm mã nguồn CatalyzeX cho các bài báo khoa học (CatalyzeX là gì?) Bật/tắt DagsHub DagsHub (DagsHub là gì?) Bật/tắt GotitPub Gotit.pub (GotitPub là gì?) Bật/tắt Hugging Face Hugging Face (Hugging Face là gì?) Bật/tắt ScienceCast ScienceCast (ScienceCast là gì?) Bản thử nghiệm Bản thử nghiệm Bật/tắt Replicate Replicate (Replicate là gì?) Bật/tắt Spaces Hugging Face Spaces (Spaces là gì?) Bật/tắt Spaces TXYZ.AI (TXYZ.AI là gì?) Các bài báo liên quan Công cụ gợi ý và tìm kiếm Liên kết đến Influence Flower Influence Flower (Influence Flower là gì?) Bật/tắt công cụ gợi ý CORE Công cụ gợi ý CORE (CORE là gì?) Bật/tắt công cụ gợi ý IArxiv Công cụ gợi ý IArxiv (IArxiv là gì?) Tác giả Nơi công bố Cơ quan nghiên cứu Chủ đề Giới thiệu về arXivLabs arXivLabs: Các dự án thử nghiệm phối hợp cùng cộng đồng arXivLabs là khuôn khổ cho phép các đối tác hợp tác phát triển và chia sẻ các tính năng mới của arXiv trực tiếp trên trang web. Toàn bộ các cá nhân và tổ chức hợp tác với arXivLabs đều đồng thuận và chia sẻ các giá trị về tính mở, tinh thần cộng đồng, chất lượng vượt trội và quyền riêng tư đối với dữ liệu của người dùng. arXiv cam kết tuân thủ các giá trị này và chỉ làm việc với những đối tác chấp hành các nguyên tắc nêu trên. Để đề xuất các dự án gia tăng giá trị cho cộng đồng arXiv, vui lòng tìm hiểu thêm thông tin về arXivLabs. Tác giả nào của bài báo này là người xác nhận bảo trợ? | Tắt MathJax (MathJax là gì?)