09:55
官方账号arXiv cs.AI@Jia-Hao Ji, Sijie Li, Jiabei Cheng, Zixi She, Jin-Tai Yu, Zhiyuan Yuan
推荐理由：这篇论文分析了多智能体系统中LLM判断的价值，揭示了候选供应和答案选择的重要性，值得一读。
准确率提升
共 3 条相关 AI 资讯
8月27日
09:55
研究多智能体系统中候选供应和答案选择对LLM判断价值的影响，分析15,336个问题，发现正确答案常在候选中，但系统仍可能报告错误答案。通过结合答案频率和判断者的评估，将准确率从63.82%提升至70.82-70.95%，主要通过挽救被常见错误压倒的正确答案。
8月24日
22:49
22:49
官方账号LangChain@LangChainAI
官方账号LangChain@LangChainAI推荐理由：SchneiderElec分享了LangSmith在提升答案准确性和质量方面的应用，值得一试。
10:56
10:56
官方账号arXiv cs.AI@Xuanyu Meng, Jiashuo Sun, Jash Rajesh Parekh, Jiawei Han
推荐理由：EnSI-RAG在长文档问答上表现优异，准确率提升显著，值得研究。