⏶10
复合AI系统优化:方法、挑战与未来方向综述
发表
由
Lee 提交
作者:
Yu-Ang Lee, Guan-Ting Yi, Mei-Yi Liu, Jui-Chao Lu, Guan-Bo Yang, Yun-Nung Chen
摘要
大型语言模型(LLMs)和AI系统的最新进展,为复杂AI工作流的设计和优化带来了范式转变。通过整合多个组件,复合AI系统在执行复杂任务方面变得越来越得心应手。然而,随着这些系统复杂性的增长,新的挑战不仅出现在优化单个组件上,也出现在优化它们之间的交互上。尽管监督微调(SFT)和强化学习(RL)等传统优化方法仍然是基础,但自然语言反馈的兴起带来了有前景的新方法,特别是对于优化不可微分系统。本文系统回顾了复合AI系统优化方面的最新进展,涵盖了数值和基于语言的技术。我们对复合AI系统优化的概念进行了形式化,根据几个关键维度对现有方法进行了分类,并强调了这一快速发展领域中的开放研究挑战和未来方向。所调研论文的列表可公开查阅:https://github.com/MiuLab/AISysOpt-Survey。
项目主页:https://github.com/MiuLab/AISysOpt-Survey。