FrugalEvo：兼顾成本的LLM引导程序进化
FrugalEvo是一种由LLM引导的进化式优化框架，旨在提高单位成本带来的性能收益。该方法由能力更强、成本更高的LLM探索策略，再由较便宜的模型实现并迭代改进代码，同时通过提示设计提升共享前缀的缓存复用率。在10项数学和系统优化任务中，FrugalEvo有9项的预算感知曲线下面积（BA-AUC）高于受测基线方法。作者称，在圆形填充问题上，使用GPT-5.6 Terra和Luna的成本为1.68美元，使用GLM-5.3及其Flash变体的成本为0.55美元，均取得新的最佳表现。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。