arXiv Artificial Intelligence· Ruohong Liu, Bohan Tang, Lekang Jiang, Jack Umenberger, Yiwen Guo·· 20 小时前AI 评分27
LLM Agents 如何通过结构化配方优化实现自动化后训练
LLM Agents for Automated Post-Training via Structured Recipe Optimization
AI 导读
研究提出结构化配方优化（SRO），用基于 LLM 的配方空间设计器构建任务适配的配方空间，再由多域配方优化器借助结构化试验证据指导候选构建与多目标贝叶斯试验选择。在三域六基准联合后训练中，Qwen3-1.7B 配 GPT-5.4 达 41.1，最强基线为 15.4；Qwen3-4B 配 DeepSeek-V4-Flash 达 53.8，基线为 40.8。代码已开源。
来源：arXiv Artificial Intelligence · arxiv.org