arXiv 人工智能· Pantea Karimi, Roozbeh Bostandoost, Dany Rouhana, Siva Kesava Reddy Kakarla, Pooria Namyar, Mohammad Alizadeh, Venkat Arun, Behnaz Arzani·· 18 小时前AI 评分38
鲁棒性始于目标：设计与验证鲁棒的 LLM 生成启发式策略
Robustness Starts with the Objective: Designing and Certifying Robust LLM-Generated Heuristics
AI 导读
研究人员提出 TAILOR 框架，通过成对条件风险价值（CVaR）引导 LLM 合成系统启发式策略，解决平均性能指标掩盖极端工况退化的问题。在 Azure GPU 批处理准入、Azure VM 装箱等 7 个优化基准测试中，TAILOR 在 6 个基准上以 99% 置信度同时改善了平均性能与尾部最优差距，尾部表现超越人类设计的鲁棒方案。
来源：arXiv 人工智能 · arxiv.org