一种名为Harness-Delta Attribution (HDA) 的新评估协议已被引入,用于剖析代理系统中的性能提升。该方法将改进分为几类,例如对特定基准测试的过拟合、推理时间计算增加带来的收益以及残余的可泛化改进。当应用于11个执行器模型和三个Harness-evolution框架的各种任务时,HDA发现观察到的收益中有很大一部分是由于过拟合或测试时扩展,并且通常无法转移到未被测试的任务上。 AI
影响 强调了需要更强大的评估方法来防止AI代理开发中的过拟合。
排序理由 该集群包含一篇详细介绍AI代理系统新评估协议的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Bibliographic Explorer
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Harness-Delta Attribution
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →