arXiv cs.LG· Zelin Zhao (Georgia Institute of Technology), Xinyu Guo (Georgia Institute of Technology), Jingyuan Zhang (Georgia Institute of Technology), Yuxuan Zhang (Etude AI), Yongxin Chen (Georgia Institute of Technology)·· 29 天前AI 评分46
将 LLM 作为智能体驾驭：需要付出什么成本？
Harnessing LLMs as Agents: What Does It Cost?
AI 导读
研究提出了 Language Model Agent Machine（LAM）模型，用于形式化量化大语言模型智能体 harness 消耗的计算资源。该框架给出了通信、内存访问、重计算与可靠性四类理论边界，并推导出最优验证检查点法则。在 GPT-6 Astra 上的实验验证了关于检查点最优值与链式 MATH 任务可靠性的理论预测。
来源：arXiv cs.LG · arxiv.org