★ 3
新算法量化AI系统部署前测试中未知未知的概率
arXiv 论文针对 AI 智能体部署前测试的「未知未知」问题，提出可认证未见失效模式概率足够小的算法，构建随时有效的上置信序列，让开发者可反复测试并在界限低于阈值时停止。在 SWE-Chat 真实编码智能体轨迹数据集上，其上界比多重检验校正的 Good-Turing 基线更紧，并扩展到分布偏移与…
arXiv cs.AI1 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文针对 AI 智能体部署前测试的「未知未知」问题，提出可认证未见失效模式概率足够小的算法，构建随时有效的上置信序列，让开发者可反复测试并在界限低于阈值时停止。在 SWE-Chat 真实编码智能体轨迹数据集上，其上界比多重检验校正的 Good-Turing 基线更紧，并扩展到分布偏移与…