EvoTest：自我改进代理系统的进化测试时学习
2025-10-16
来源：ArXiv AI
2025-10-16 04:00
自适应推理执行器：高效推理的协作代理系统
推理
大型
系统
LLM
深度
arXiv:2510.13214v1 公告类型：新
摘要：大型语言模型（LLM）的最新进展表明，思维链提示和深度推理可以显着提高复杂任务的性能，而多智能体系统可以通过模型辩论进一步提高准确性。然而，将深度推理应用于所有问题的计算成本很高。为了减轻这些成本，我们提出了一个集成小型和大型法学硕士的补充代理系统。小型法学硕士首先生成一个初始答案，然后由大型法学硕士进行验证。如果答案正确，则直接采纳；否则，大型LLM进行深度推理。实验结果表明，对于简单问题，我们的方法将大型 LLM 的计算成本降低了 50% 以上，并且精度损失可以忽略不计，同时在复杂任务上始终保持稳健的性能。