复合AI系统优化:方法、挑战与未来方向综述

发表
LeeLee 提交
作者: LeeYu-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
查看 arXiv 页面查看 PDF

评论

LeeLee
论文作者
论文提交者

项目主页:https://github.com/MiuLab/AISysOpt-Survey。

DhavalDhaval

https://huggingface.co/papers/2506.03828 您认为我们提出的想法是否属于您所提出的工作的任何一个组成部分?