实体
Zhuochun Li
Zhuochun Li
PulseAugur coverage of Zhuochun Li — every cluster mentioning Zhuochun Li 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Microsoft 和 Hugging Face 推出 ThinkingBox AI 代理基准测试
Microsoft 和 Hugging Face 推出了 ThinkingBox，这是一个旨在评估 AI 代理与后端数据库和系统正确交互能力的新基准测试。该基准测试不仅衡量代理是否能进行有效的工具调用，还衡量这些调用是否导致数据库中正确的状态更改，从而弥补了当前 AI 代理评估中的一个关键空白。在测试中，基于单独的工具调用看似成功的代理有很大一部分在可执行性检查中失败，表明数据修改不正确或存在意外的副作用。
-
新的“表示作为评判者”方法使用小型模型进行评估
研究人员提出了一种新的语言模型评估方法，称为表示作为评判者（Representation-as-a-Judge），该方法利用小型模型的内部表示，而不是其生成输出。这种方法基于语义容量不对称性假说（Semantic Capacity Asymmetry Hypothesis），该假说认为评估所需的语义容量少于生成。提出的框架 INSPECTOR 利用了小型模型的这些内部特征来预测评估分数，为传统的 LLM 作为评判者方法提供了一种更有效…