SRO：LLM智能体自动化后训练结构化配方优化论文

Ruohong Liu 等发布 arXiv 论文（2610.18572v1），提出结构化配方优化（SRO）范式，让 LLM 智能体自动化后训练：由基于 LLM 的 Recipe-Space Designer 构建面向目标任务的可复用配方空间，多领域配方优化器利用结构化试验证据引导 LLM 候选构建和多目标贝叶斯试验选择，联合优化数据来源、数据处理、跨领域组合与训练配置。代码已在 GitHub 开源。 作者称，实验中 SRO 在所有评估的目标模型与 agent-LLM 组合中取得最高平均分：在 Qwen3-1.7B 配 GPT-5.4 上达到 41.1 对最强基线 15.4，在 Qwen3-4B 配 DeepSeek-V4-Flash 上达到 53.8 对 40.8。以上为作者声称的结果，本报告基于论文摘要，未核验全文。

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。