LLM智能体全自动完成嵌入式模型部署适配，作者报告适配时间最多降80%。
资讯摘要
论文提出 AgentDP，利用大语言模型智能体全自动完成预训练模型在异构嵌入式设备上的优化与适配。作者报告其通过用户需求标准化、算子感知的模型划分和配置复用三个模块应对需求表达、执行环境不匹配与超参数重搜问题；实验称相比人工优化适配，整体适配时间最多减少80%，任务准确率平均高出13%以上。
要点速读
- 论文提出 AgentDP，用 LLM 智能体自动化嵌入式设备上的模型优化与适配流程。
- 设计用户需求标准化、算子感知模型划分、配置复用三个模块，分别应对需求表达、模型与设备执行环境不匹配、超参数重搜问题。
- 作者报告整体适配时间最多减少80%，任务准确率平均高出基线13%以上，并通过用户研究考察泛化性。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。