实体 SLDBench v2

SLDBench v2

PulseAugur coverage of SLDBench v2 — every cluster mentioning SLDBench v2 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_300693 · Oct 15 · 04:00

新的基准测试AI代理发现缩放定律的能力

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。