Ricerca sulle Politiche Guide-Core per il Controllo di LLM Black-Box Pubblicata su arXiv

Un articolo intitolato "ExecTune: Controllo Efficace di LLM Black-Box con Modelli Guida" è stato reso disponibile su arXiv, identificato da arXiv:2604.09741v1. Questa ricerca indaga le Politiche Guide-Core (GCoP), che coinvolgono un modello guida che genera strategie strutturate per l'esecuzione da parte di modelli linguistici core black-box. Questo metodo affronta la sfida dei costi ricorrenti di inferenza per i grandi modelli linguistici distribuiti tramite API, che spesso superano i costi di addestramento una tantum. Lo studio formalizza le GCoP con un obiettivo di utilità sensibile ai costi, rivelando che le prestazioni complessive dipendono dall'eseguibilità media della guida - la probabilità che il core possa implementare accuratamente le strategie della guida. Gli attuali modelli GCoP generalmente faticano a ottimizzare l'eseguibilità sotto limitazioni di distribuzione, risultando in strategie fragili e inefficienze. L'articolo classifica questi sistemi in metodi base, supervisionati e di tipo advisor, che variano principalmente nelle loro tecniche di addestramento della guida. Considerazioni sui costi guidano lo sviluppo di sistemi agentici composti che convertono ragionamenti costosi in rappresentazioni intermedie riutilizzabili.