研究者提出CIRCE评估LLM任务复杂度
Start here
2026年11月，研究人员提出CIRCE方法。该方法通过分析问题内在的约束结构来预估任务复杂度，能够在大型语言模型（LLM）实际解题前，有效指导模型路由以及测试时的计算分配。在技术实现上，CIRCE使用低成本LLM构建约束中间表示，并确定性编译为约束图。实验结果显示，在涵盖7个推理基准和4个LLM的测试中，CIRCE配合GNN编码器，将负对数似然从0.465降至0.423，同时将AUROC从0.691提升至0.727。
AI-generated from reports · Updated 6 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能CIRCE 通过约束结构预测 LLM 任务复杂度
研究人员提出 CIRCE，通过问题内在的约束结构预估任务复杂度，可在 LLM 解题前指导模型路由与测试时计算分配。该方法使用低成本 LLM 构建约束中间表示并确定性编译为约束图。在 7 个推理基准和 4 个 LLM 测试中，配合 GNN 编码器将负对数似然从 0.465 降至 0.423，AUROC 从 0.691 提升至 0.727。
Story heat trend
Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.