★ 2
编码智能体能否复现官方统计数据
研究以 30 个 Eurostat 自然语言任务为基准，测试权威元数据与执行反馈对编码智能体复现官方统计结果的作用。结果显示成功执行并不等于结果有效，元数据与重试预算比执行诊断更关键，且输出契约设计可主导测得误差（条件 C 被低估 23.4 分）。结论是可靠的统计编码智能体需要语义校验、完整输出契…
arXiv cs.LG41 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究以 30 个 Eurostat 自然语言任务为基准，测试权威元数据与执行反馈对编码智能体复现官方统计结果的作用。结果显示成功执行并不等于结果有效，元数据与重试预算比执行诊断更关键，且输出契约设计可主导测得误差（条件 C 被低估 23.4 分）。结论是可靠的统计编码智能体需要语义校验、完整输出契…