Janus: Programmi e Valutatori Co-Evolventi per la Scoperta con LLM e Valutazioni Costose

Un nuovo framework chiamato Janus affronta le difficoltà della scoperta di programmi guidata da LLM, in particolare in scenari in cui le valutazioni sono costose, come nei campi scientifici e ingegneristici che richiedono simulazioni ad alta fedeltà o esperimenti fisici. Questo framework, descritto in un articolo arXiv (2608.08189), impiega LLM per co-evolvere programmi target insieme a valutatori proxy eseguibili. Janus utilizza la conoscenza di dominio incorporata negli LLM per creare programmi di valutazione specifici per il compito, che vengono poi calibrati con risultati reali. Per affrontare i cambi di distribuzione, evolve i valutatori in tandem con i programmi target, impiega un obiettivo allineato alla promozione per la selezione e mantiene portafogli condizionati alla regione con aggiornamenti di credito online. Data la fallibilità delle previsioni proxy, Janus le tratta come guida per garantire robustezza. Questo framework mira a ridurre i costi di valutazione preservando la qualità della scoperta. L'articolo, recentemente inviato ad arXiv, evidenzia la sua metodologia principale ed è significativo all'intersezione tra IA, apprendimento automatico e scoperta scientifica automatizzata.