★ 3
CHASE：反事实引导的智能体评测框架演化
研究指出自动 harness 优化可能利用基准协议捷径产生作弊式提升。为此提出 CHASE，将 harness 演化建模为保持有效性的基准反事实约束生成，并给出统计保证，在 OfficeQA 上保留基准增益同时显著降低协议变更下的增益破坏。
arXiv cs.AI46 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究指出自动 harness 优化可能利用基准协议捷径产生作弊式提升。为此提出 CHASE，将 harness 演化建模为保持有效性的基准反事实约束生成，并给出统计保证，在 OfficeQA 上保留基准增益同时显著降低协议变更下的增益破坏。