研究人员引入了分层偏序（HPO）模型，这是现有排名聚合技术的扩展，旨在处理具有潜在分层结构的分组数据。这些模型建立在偏序概念的基础上，允许偏好中的不可比性，并能够跨组进行原则性的信息共享。该论文还提出了用于无监督聚类的分层聚类偏序（HCPO）模型，并展示了它们在包括LLM代理轨迹在内的各种数据集上的有效性，在预测性能和可解释性方面优于现有方法。 AI
影响 这些模型提供了改进的分析和解释复杂偏好数据的方法，可能有利于AI代理的评估和开发。
排序理由 该集群包含一篇详细介绍新统计模型的学术论文。
- arXiv
- Hierarchical Clustering Partial Order (HCPO) models
- Hierarchical Partial Order (HPO) models
- LLM agent traces
- Mallows Models for Top-k Lists
- Markov chain Monte Carlo
- Plackett-Luce model
- Hierarchical Partial-Order Models
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
