AITOP
精选
过去 24 小时，从 751 条中筛出 46 条
全部模型产品行业论文技巧
标签：多轮评估×
6月11日
15:28
15:23
15:07
6月9日
12:29
12:29arXiv cs.LG@Rishabh Sabharwal, Hongru Wang, Amos Storkey, Jeff Z. Pan
精选
现有深度研究智能体（DRA）基准仅评估单次输出，忽略了反馈改进能力。研究者设计了多轮评估框架，对比自我反思和过程级反馈两种场景。过程级反馈通过研究缺口推断（RGI）方法，分析评分标准满足模式来指导改进。实验发现：自我反思几乎无净改进；单轮过程级反馈可提升8-15分，但多轮改进效果不叠加，因为重写时可能丢失已满足标准。这表明即使有针对性指导，DRA的可靠多轮改进仍具挑战。代码和结果已开源。
论文深度研究智能体多轮评估过程级反馈RGI方法开源/仓库
推荐理由：做AI研究助手或智能体评估的团队，这篇论文揭示了当前DRA在多轮反馈下的真实瓶颈——单轮有效但多轮难持续，值得点开看具体实验设计和RGI方法。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？