ホットトピック継続更新中
研究者提出CIRCE评估LLM任务复杂度
1 件の報道1 件の報道元9 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 9 時間前 更新
最新の進展11月2日 13:00
研究人员提出CIRCE，通过约束图与GNN预估任务复杂度以指导计算分配。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月2日
- 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。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月2日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。