Chinese content用 LLM 提取轨迹摘要降低智能体评测成本
评测智能体跑一遍基准太烧钱？这篇论文用 LLM 摘要轨迹来预测分数，SWE-bench 上误差从 0.13 降到 0.08，只跑一个任务就能估分。
#轨迹嵌入
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "轨迹嵌入", newest first.
Nov 5
评测智能体跑一遍基准太烧钱？这篇论文用 LLM 摘要轨迹来预测分数，SWE-bench 上误差从 0.13 降到 0.08，只跑一个任务就能估分。