Semantic Synthesis over Brute-Force Search: LLM-Guided Transformation Design for Efficient Learning

数据转换管道影响计算机视觉中的训练分布，但设计它们是一项计算成本高昂的问题。我们研究大型语言模型是否能通过在预定义的增强空间外合成可执行转换程序来高效发现。我们比较九种策略，采用统一的训练协议，包括标准增强策略、暴力搜索、使用两个LLM直接生成代码、以及使用经过准确性排序转换对微调的LLM进行性能引导生成。