## Microsoft Research 部落格AutoAdapt：大型語言模型自動化領域適應 發布於 2026 年 4 月 22 日 作者：Sidharth Sinha（研究員）、Anson Bastos（資深研究員）、Xuchao Zhang（首席研究經理）、Akshay Nambi（首席研究員）、Rujia Wang（首席研究產品經理）、Chetan Bansal（資深首席研究經理） ## 一覽 * **問題**：將大型語言模型適應於專業且高風險的領域，過程緩慢、成本高昂且難以重現。 * **我們的成果**：AutoAdapt 在真實部署限制下，自動化規劃、策略選擇（例如：檢索增強生成 RAG 或微調 fine-tuning）以及模型調校。 * **運作方式**：一個結構化的配置圖譜描繪了整個適應過程，一個代理式規劃器負責選擇並排序正確的步驟，而一個預算感知最佳化迴圈（AutoRefine）則在既定限制內精煉此過程。 * **重要性**：這項成果實現了更快、自動化且更可靠的領域適應，將數週的人工迭代轉變為可重複的自動化流程。 在現實世界中，將大型語言模型（LLMs）部署到高風險的應用場景比預期更具挑戰性。在法律、醫療和雲端事件應變等高風險領域，模型的效能和可靠性可能因為模型適應性不足而迅速崩潰。