R-APS: Compositional Reasoning and In-Context Meta-Learning for Constrained Design via Reflective Adversarial Pareto Search

En 3 lignesR-APS est une méthode pour améliorer la fiabilité des LLM en contexte agentif via décomposition des modes de raisonnement. Testée sur la synthèse de mécanismes plans, elle atteint des certificats de robustesse 3,5× plus serrés que les baselines, 46% d'itérations plus rapides, et réduit la distance Chamfer de 2,1×. Aucun fine-tuning requis, protocole structuré sur LLM gelé.

Résumé généré par Claude — vérifié par l'humain