跳到主要内容
检索

# 智能体基准压缩

1 篇关联报道

订阅更新
  1. arXiv

    超越结果:面向高效智能体基准评测的双视角关系学习

    该工作分析五个智能体基准的大规模执行轨迹,从十二个可观测统计量中筛选出六个与最终成绩系统性相关的过程信号,并提出 DualViewEval,同时建模结果关系与过程关系来学习固定规模的最小子集并预测全基准分数,在五个基准上均取得最佳结果,仅用 20 个任务即在 APEX-Agents 与 BFCL 上实现 24×–40× 压缩,相对最强竞争者降低 MAE 14.5%–28.2%,并在 SWE-bench Verified 上相对 EssenceBench 将 Kendall's τ 提升最多 7.2%。

已读完全部报道