Bài báo này đề xuất EvoP, một khung phân tích tiến hóa, để giải quyết vấn đề triển khai các mô hình ngôn ngữ quy mô lớn (LLM) trong môi trường hạn chế tài nguyên. Để khắc phục các chiến lược heuristic và việc bỏ qua tính năng dữ liệu của các phương pháp phân tích mô hình hiện có, EvoP giới thiệu chiến lược lấy mẫu tập dữ liệu hiệu chỉnh dựa trên cụm (CCDS) để tạo ra các tập dữ liệu hiệu chỉnh đa dạng và phương pháp tìm kiếm mẫu phân tích tiến hóa (EPPS) để xác định các mẫu phân tích tối ưu. Các thử nghiệm trên nhiều LLM và tác vụ con khác nhau đã chứng minh tính hiệu quả của EvoP, đồng thời chứng minh giải pháp thực tế và có khả năng mở rộng của nó trong việc triển khai LLM trong các ứng dụng thực tế.
