跳到主要内容
检索

Dartmouth College

4 篇关联报道

订阅更新
  1. arXiv

    多智能体工作流不再只追任务分数：LAWA按关键路径改图，七个基准上压缩执行时间

    多智能体工作流的自动生成开始把执行时间当作目标：LAWA通过针对关键路径瓶颈的图编辑压缩总耗时，在七个基准上同时保持有竞争力的任务表现。

    New York UniversityVirginia TechDartmouth College
    Enpei Zhang（第一作者）
    延迟感知工作流生成LAWA多智能体系统工作流优化
  2. arXiv

    智能体做科研卡在“判断”上：五个前沿模型里四个宁可选中被资深研究员改掉的方案

    一项新基准把资深研究员对科研智能体的纠正整理成248道二选一判断题：在只看纠正前项目记录的条件下，五个前沿模型中有四个更常选中被人类改掉的原始方案，最高正确率63.5%，而首次接触这些项目的新手研究员为73.4%。基准取自26个横跨六个学科、历时约半年的真实科研项目，每题都要求模型在原始计划与人类修正方案之间做出选择。

    Stanford UniversityChinese University of Hong KongUniversity of California, Los AngelesUniversity of Maryland, College ParkDartmouth CollegeCalifornia Institute of Technology
    Youran Sun（第一作者）
    Scivot科学判断基准首席研究员科学判断大语言模型智能体科学发现测试时扩展
  3. arXiv

    冻结视觉语言模型无需训练即可通过复用解码器层块实现候选多样性，pass@9平均提升6.58个百分点

    该工作提出“架构采样”：一种免训练方法，通过复用解码器层中选定的层块，让冻结模型沿不同前向计算路径生成候选，在五个Qwen检查点和十二个多模态基准上，以相同的九个候选预算将pass@9相对标准路径温度采样平均提升6.58个百分点，复用早期层收益最强，候选覆盖提升在贪心解码下依然存在，且候选词面重叠更低，用作无标签测试时强化学习的rollout时准确率提升。

    Dartmouth CollegeIndian Institute of Science Bangalore
    Akshit Singh（第一作者）
    架构采样测试时扩展视觉-语言模型
  4. arXiv

    SAGE用代数稀疏化与双曲结构引导缓解长程推理偏差，在12个基准与7个模型族上超越基线，Andrews-Curtis任务提升近8倍

    该工作提出符号闭包分析（SCA）刻画长程推理中的探索偏差与累积偏差，并据此设计SAGE框架，通过代数稀疏化与双曲结构引导在训练时注入结构先验，在12个基准、7个模型族上优于SFT、GRPO、EMPO、GRPO-PRM等基线，并在Andrews-Curtis开放任务上取得最高约8倍的Lean验证证明提升。

    University of Wisconsin–MadisonVirginia TechDartmouth College
    Xinyue Zeng（第一作者）
    SAGE（结构可容许性引导探索）符号闭包分析长程推理双曲结构引导Andrews-Curtis 问题

已读完全部报道