实体
1B model
1B model
PulseAugur coverage of 1B model — every cluster mentioning 1B model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
AI 代理提示改进在 4 个模型中因搜索策略缺陷而失败
作者测试了包括 Qwen 4B、Mistral 24B、Mistral 30B 和一个 1B 模型在内的四种不同的语言模型，试图改进一个自改进 AI 代理的提示。尽管进行了数千次 LLM 调用的大量测试，但没有一个模型能够生成可推广的编辑。作者得出结论，问题不在于模型本身的能力，而在于代理所采用的搜索策略，因为所有模型都收敛于相似的、无效的编辑。
-
新方法使用模型检查来测试LLM解释
研究人员开发了一种新颖的方法，用于自动测试大型语言模型（LLM）在用于解释顺序决策策略时生成的解释的准确性。该方法利用概率模型检查作为Oracle，以验证LLM生成的解释与底层环境的忠实度。通过根据策略行为构建测试输入并优先处理困难案例，该系统成功地区分了三个开源LLM，其中一个推理模型达到了85%的准确率，一个中型模型达到了70%，而一个1B模型则表现低于随机概率。