热点事件持续更新
研究者提出CIRCE评估LLM任务复杂度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 2 小时前更新
最新进展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。报道时间线
沿着报道，了解事件的不同侧面。
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。
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。