budget-aware search adaptive control LLM discovery cost optimization
摘要

大语言模型常通过推理时搜索候选方案来支持科学发现。现有自适应控制器仅依据分数进步分配信用,忽视了提示长度、重试等导致的令牌成本差异。本文证明,在预算固定且成本发散时,忽略成本的信用分配将导致质量严重损失。为此,我们提出 CostAda,一种基于“成本校准前沿效用”的自适应控制器。该机制根据实际动作成本和剩余预算评估前沿进展,动态调控局部探索强度、前沿分配及战术干预,使成本成为塑造搜索过程的核心变量而非单纯记账指标。

AI 推荐理由

论文核心研究在预算约束下的搜索策略与资源分配,属于典型的任务规划与控制问题。

研究机构
City University of Hong Kong Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) International Digital Economy Academy (IDEA)
论文信息
作者 Yansen Zhang, Yilu Liu, Tianyu Liu, Jiamin Chen, Xiaokun Zhang et al.
发布日期 2026-07-29
arXiv ID 2607.26828
相关性评分 9/10 (高度相关)