1
热点
arXiv cs.AIby Zhouliang Xie, Changliang Zhou, Genghui Li, Zhenkun Wang · 论文
基于大语言模型的多任务进化实现零样本跨问题泛化
论文提出MECo框架,旨在解决利用源任务反馈将启发式搜索泛化至新组合优化问题的挑战。该方法通过大语言模型自动化生成和优化启发式规则,无需针对每个新问题重新设计或依赖其专属评估反馈,实现了零样本跨问题泛化。
论文提出MECo框架,旨在解决利用源任务反馈将启发式搜索泛化至新组合优化问题的挑战。该方法通过大语言模型自动化生成和优化启发式规则,无需针对每个新问题重新设计或依赖其专属评估反馈,实现了零样本跨问题泛化。
该研究探讨在分布式系统中对 AI 智能体(AI Agent)执行过程的可观测性问题。文章定义了追踪、跨度与会话等基础概念,分析了可观测性信号与工程实践中的方法局限。重点讨论了 OpenTelemetry GenAI 这一开放标准,对比了厂商平台与独立平台的差异,并指出了当前技术栈中的差距、风险及概念影响。

