Crucible：通过 LLM 智能体量化控制算法潜力
人工智能
2025-10-22 v1
摘要
生产环境中的控制算法通常需要领域专家针对具体场景进行参数和逻辑调优.然而,现有研究主要关注在理想或默认配置下的算法性能,忽略了调优潜力这一关键方面.为弥合这一差距,我们引入Crucible,一个运用LLM驱动的多层次专家模拟工具,以量化评估算法的调优潜力.我们在从经典控制任务到复杂计算机系统的众多案例中展示了Crucible的有效性,并在实际部署中验证了其发现.实验结果表明,Crucible系统地量化了不同算法在可调空间上的分布.此外,Crucible为算法分析与设计提供了新的维度,最终促进了性能提升.我们的代码已公开于 https://github.com/thu-media/Crucible.
引用
@article{arxiv.2510.18491,
title = {Crucible: Quantifying the Potential of Control Algorithms through LLM Agents},
author = {Lianchen Jia and Chaoyang Li and Qian Houde and Tianchi Huang and Jiangchuan Liu and Lifeng Sun},
journal= {arXiv preprint arXiv:2510.18491},
year = {2025}
}
备注
NeurIPS 2025