English(EN) BayesAME: Bayesian Active Model Evaluation

新的贝叶斯框架可自动评估生成模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-30 04:00

研究人员开发了BayesAME，一个新颖的贝叶斯框架，旨在高效评估大型生成模型。该方法可自动确定最优的共核大小，降低在众多基准测试中测试模型的计算成本。BayesAME将性能建模为随机变量，并迭代地增加共核，直到性能估计不确定性低于用户定义的阈值，其表现优于现有的顺序自适应方法。 AI

影响简化了大型生成模型的评估过程，有望加速研发周期。

排序理由该集群包含一篇详细介绍新模型评估方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Paula Cordero Encinar, Taylan Cemgil, Arnaud Doucet, Virginia Aglietti, Silvia Chiappa · 2026-07-30 04:00

BayesAME: Bayesian Active Model Evaluation

arXiv:2607.27023v1 Announce Type: cross Abstract: Evaluating large generative models across benchmarks is time-consuming and computationally expensive. This drives the need for methods that can estimate full benchmark performance by evaluating models on only a subset of items, kn…