arXiv · cs.AI· Ben Johnson·· 16 小时前AI 评分39
利用缓存 Trace 实现任务高效的 Agent 评测方法
Task-Efficient Agent Evaluation Using Cached Traces
来源与原文
arXiv · cs.AI
作者：Ben Johnson
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.06803v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出用 LLM 提取结构化摘要并经文本编码器嵌入来表示 Agent 执行 trace，再用几何方法在参考系统间预测新系统得分。在 SWE-bench Verified 和 Terminal-Bench 2.0 上，结合 item-response 模型后，仅执行单个随机任务时平均绝对误差分别从 0.13 降至 0.08（Wilcoxon p < 10^-4）和从 0.14 降至 0.12（p < 10^-3）；在完整参考系统下该方法在任意任务数上均优于基线。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。