热点事件持续更新
CB-Orchestrator：用上下文赌博机自适应优化LLM Agent工作流
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv 机器学习理论栏目发布一手论文，提出 CB-Orchestrator 框架，用于自适应优化 LLM Agent 工作流。该框架的核心思路是将工作流的生成与选择解耦：先通过进化搜索构建候选工作流池，再把工作流选择建模为 Contextual Bandit（上下文赌博机）问题，以平衡探索与利用。目前公开信息仅涉及方法框架本身，论文未报道实验数据、基准对比或开源情况。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine Learning TheoryCB-Orchestrator：用 Contextual Bandits 自适应优化 LLM Agent 工作流
CB-Orchestrator 提出将工作流生成与选择解耦的自适应框架，先用进化搜索构建候选工作流池，再把选择建模为 Contextual Bandit 问题以平衡探索与利用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。