一篇新论文介绍了SLDBench v2,这是一个扩展的基准测试,旨在测试语言模型代理发现大型AI模型缩放定律的能力。该基准测试包含127个场景,重点关注30个具有挑战性的案例,在这些案例中,标准的幂律拟合效果不佳。在测试中,八个前沿代理系统在主动选择实验时,预测准确性显著下降,错误率增加,并且常常优先选择成本较低的实验,而不是对推断至关重要的实验。 AI
影响 凸显了AI代理在模型开发辅助方面的实验规划挑战。
排序理由 该集群包含一篇详细介绍新AI代理评估基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Litmaps
- ScienceCast
- scite Smart Citations
- SLDBench v2
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →