研究提出L2RAC自动推荐MMO辅助目标
热点事件持续更新
研究提出L2RAC自动推荐MMO辅助目标
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Chengjie Chuan等作者将Meta Multi-Objectivization（MMO）专门化为跨软件工程（SE）优化问题的通用基线，并据此提出工具L2RAC，为给定SE问题自动推荐最佳辅助目标选择。 作者在涵盖212个案例的9类SE优化问题上测试：选对辅助目标时，MMO分别以79%和94%的比例优于其他SOTA与通用优化器。作者称，L2RAC的排序准确率最高提升60%，并节省多达99%的试错成本。
AI 根据报道生成 · 48 分钟前更新
最新进展11月11日 13:00
将 Meta Multi-Objectivization 专门化为软件工程优化的基线方法报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AI将 Meta Multi-Objectivization 专门化为软件工程优化的基线方法
研究将 Meta Multi-Objectivization（MMO）专门化为跨软件工程优化问题的通用基线，在涵盖 212 个案例的 9 类 SE 优化问题上，选对辅助目标时 MMO 分别以 79% 和 94% 的比例优于其他 SOTA 与通用优化器。作者据此提出工具 L2RAC，可为给定 SE 问题自动推荐最佳辅助目标选择，排序准确率最高提升 60%，并节省多达 99% 的试错成本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。