Enkla AI-agenter slår komplexa system på optimeringsproblem

arXiv cs.AI

Forskare har utvecklat två lättviktiga ramverk, OPTICYCLE och OPTISTATE, som låter språkmodeller (LLM:er) översätta textbeskrivna optimeringsproblem till körbara lösningsprogram. Testerna på 2 634 problem visar att modellerna förbättrade sin träffsäkerhet med upp till 49,46 procentenheter jämfört med direktgenerering – utan extra träning. Det intressanta är att dessa enkla verktyg faktiskt slår mer komplicerade agentbaserade arbetsflöden, vilket antyder att mer struktur inte alltid är bättre.