★ 3
研究：多智能体代码评审何时真正有据可依
论文指出多智能体代码验证方法要求证据独立于被审答案且在候选间有差异，而代码评判场景不满足第二个条件。在 MARCH 框架上测试发现，它在 78%–95% 的比较中判定两解同样好，准确率仅 4.4%，远低于直接询问模型的 43.7%。作者提出两种无需标签的度量，据此让流水线在无把握时拒答，准确率从 …
arXiv cs.AI35 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出多智能体代码验证方法要求证据独立于被审答案且在候选间有差异，而代码评判场景不满足第二个条件。在 MARCH 框架上测试发现，它在 78%–95% 的比较中判定两解同样好，准确率仅 4.4%，远低于直接询问模型的 43.7%。作者提出两种无需标签的度量，据此让流水线在无把握时拒答，准确率从 …