跳到主要内容
检索

Zelin Zhao

1 篇关联报道

订阅更新
  1. arXiv

    LAM 资源受限抽象把 LLM 智能体 harness 成本形式化,并在 GPT-6 Astra 上验证通信与可靠性预测

    作者提出语言模型智能体机器(LAM)这一资源受限抽象,在固定底层语义模型的前提下显式计入 harness 层资源开销,得到通信、访问、重计算与可靠性四类结果,并在 GPT-6 Astra 的受控与留出实验中检验了通信与可靠性预测,包括检查点最优值、程序化检查下的策略选择以及链式 MATH 任务中调用粒度、逻辑输入流量与可靠性之间的权衡。

已读完全部报道