CIRCE用约束结构预测LLM任务复杂度
热点事件观察中
CIRCE用约束结构预测LLM任务复杂度
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Chenhao Hong等人提出CIRCE方法：用廉价LLM把问题转成约束中间表示，再确定性地编译为约束图，从约束结构预测LLM能否答对。 在七个推理基准（含SAT、逻辑与数学）和四个LLM上，随机初始化的GNN编码器即把负对数似然从0.465降至0.423，AUROC从0.691提升至0.727。 该估计可在模型尝试前用于指导模型路由与测试时算力分配。
AI 根据报道生成 · 52 分钟前更新
最新进展11月2日 13:00
CIRCE 利用约束结构预测 LLM 任务复杂度报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AICIRCE 利用约束结构预测 LLM 任务复杂度
CIRCE 通过廉价 LLM 构建约束中间表示并确定性编译为约束图，从问题约束结构预测 LLM 能否答对。在七个推理基准（含 SAT、逻辑与数学）和四个 LLM 上，随机初始化的 GNN 编码器即把负对数似然从 0.465 降至 0.423，AUROC 从 0.691 提升至 0.727。该估计可在模型尝试前指导模型路由与测试时算力分配。
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。