大型語言模型

深度分析

以大型語言模型驅動的自治系統辨識代理（ASIA）設計與實驗

ASIA提出一個以大型語言模型為核心的自主編碼代理框架，讓代理從自然語言問題描述出發，自動在模型類別、網路架構與訓練策略間搜索、修改程式並執行評估。作者在兩項系統辨識基準（串聯雙水箱與無刷微型飛行器動力）上實驗，觀察代理在早期探索不同模型家族、後期精煉候選模型的行為，並比較其與既有超參數搜尋或元學習的差異。