模型13:51
James Zou 分享 EinsteinArena 和 DSGym：AI 智能体协作科学发现与评估想知道多智能体怎么一起搞科研、怎么评估数据科学智能体？James Zou 分享了两个新基准，很实用。
#DSGym
共 2 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「DSGym」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月29日
6月24日
论文12:09
Grading the Grader: 评估智能体数据分析系统的自动评分方法这篇论文用LAMBDA系统在153个任务上测了三种自动评分方法，发现宽松LLM评分召回率97%，严格规则召回率靠关键词提取提高60个百分点。想看AI评分够不够靠谱的可以读。