PulseAugur
中
实时 10:23:38
实体 HumanEval+/MBPP+

HumanEval+/MBPP+

PulseAugur coverage of HumanEval+/MBPP+ — every cluster mentioning HumanEval+/MBPP+ across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_191127 ·

    LLM裁判小组通过针对性验证关键查询得到改进

    一篇新的研究论文探讨了使用外部验证信号（例如执行测试套件）来提高大型语言模型（LLM）裁判小组准确性的有效性。研究发现，虽然聚合依赖性指标表明许多裁判提供了冗余信息，但外部信号仅在投票差距狭窄的查询上显著提高准确性。这表明，将验证工作集中在这些“关键”查询上，可以在无需处理每个查询的情况下获得实质性收益。