实体 RSIBench-Data

RSIBench-Data

PulseAugur coverage of RSIBench-Data — every cluster mentioning RSIBench-Data across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_169807 · Jul 29 · 04:00

新基准测试LLM代理的数据中心研究以实现自我改进

研究人员推出了RSIBench-Data，这是一个新的基准测试，旨在评估大型语言模型（LLM）代理在递归自我改进背景下的数据中心研究能力。该基准测试将研究决策与优化和部署等其他系统组件分开，从而能够更清晰地评估代理诊断模型故障和改进训练数据策略的能力。尽管代理通过修改数据策略在提高性能方面取得了一些成功，但进展并不一致，许多运行结束时的得分低于其峰值性能。分析确定了成功运行中的模式，例如准确的假设生成和与行为一致的数据创建，这表明当前…