MOCHA：多目标Chebyshev退火优化LLM Agent技能

Md Mehrab Tanjim等在arXiv发布论文，提出MOCHA（Multi-Objective CHebyshev Annealing）方法优化LLM Agent的结构化自然语言技能：用Chebyshev标量化选择要改进的技能，接受能扩展Pareto前沿的改进，并从探索退火到利用。 论文称，在六项技能和两个模型上，MOCHA几乎在每次运行中都能跳出初始种子技能，平均准确率比最强基线高7.9%。作者把现有提示优化器的停滞归因于将多目标折叠为单一分数：在他们观察到的多数运行中，这些优化器1000次rollout相比种子技能零进展。

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。