热点事件持续更新
研究提出AdaEva框架以加速LLM算法设计评估
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月，相关研究提出了名为AdaEva的自适应部分评估框架，旨在加速大语言模型驱动的算法设计（LLM4AD）。该框架作为一种即插即用的方案，通过在递增的实例子集上进行评估并逐步淘汰劣质候选算法，从而有效降低评测算力开销。AdaEva实现了连续减半（AdaEva-S）与统计竞速（AdaEva-R）两种机制，且无需修改底层流程或依赖实例难度先验。实验表明，在3个代表性LLM4AD框架以及组合与连续黑盒优化场景中，AdaEva在同等预算下均取得了更优的搜索效率与保留集泛化能力。
AI 根据报道生成 · 2 小时前更新
最新进展10月6日 12:00
研究提出即插即用框架AdaEva，通过自适应部分评估降低LLM算法设计算力开销。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 机器学习AdaEva：通过自适应部分评估加速大语言模型驱动的算法设计
AdaEva 是一个即插即用的大语言模型驱动算法设计（LLM4AD）自适应部分评估框架，通过在递增的实例子集上评估并逐步淘汰劣质候选算法，有效降低评测算力开销。该框架实现了连续减半（AdaEva-S）与统计竞速（AdaEva-R）机制，无需修改底层流程或依赖实例难度先验；在 3 个代表性 LLM4AD 框架以及组合与连续黑盒优化场景中，均在同等预算下实现了更优的搜索效率与保留集泛化能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。