论文提出评测预算分配框架，半数评测量超全量评测
热点事件持续更新
论文提出评测预算分配框架，半数评测量超全量评测
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Sichun Luo 等在 arXiv 论文（arXiv:2610.37276）中研究 LLM 智能体 scaffold 演化中评测预算的分配问题，提出 \method 框架：先用短时全量评测 warm-up 建立共享信息核心并校准响应模型，搜索后重拟合模型并执行配对 successive halving。在四个基准和两个演化框架上，该方法在多数设置下平均性能超过全量评测，而评测单元用量约为原来一半。论文实验还显示，稀疏反馈足以维持有效演化，额外的定向评测则改善最终选择。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 22:06
arXiv 论文研究 LLM 智能体 scaffold 演化中评测预算应如何分配报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.CL精选arXiv 论文研究 LLM 智能体 scaffold 演化中评测预算应如何分配
arXiv 论文（arXiv:2610.37276）研究 LLM 驱动的智能体 scaffold 演化中评测预算在搜索引导与最终选择之间的分配问题。实验显示稀疏反馈足以维持有效演化，额外的定向评测则改善终选；作者据此提出 \method 框架，用短时全量评测 warm-up 建立共享信息核心并校准响应模型，搜索后重拟合模型并执行配对 successive halving。在四个基准和两个演化框架上，该方法在多数设置下平均性能超过全量评测，而评测单元用量约为原来一半。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。