arXiv 论文提出分层统计框架量化智能体系统可靠性
做智能体评估的朋友该看看这篇:它把 pass@k 这类指标配上了有限样本方差,还能把执行噪声和任务本身的难度差异分开。如果你在纠结跑多少次采样才算数、或者 Thinkingbox 上模型忽好忽坏怎么解释,这篇文章给了统计上的答案。
做智能体评估的朋友该看看这篇:它把 pass@k 这类指标配上了有限样本方差,还能把执行噪声和任务本身的难度差异分开。如果你在纠结跑多少次采样才算数、或者 Thinkingbox 上模型忽好忽坏怎么解释,这篇文章给了统计上的答案。
这是篇关于如何提升引力波探测灵敏度的技术论文,作者用加权共形预测框架解决了多独立算法输出结合时的统计问题,对相关领域研究者有参考价值。