论文页面 - AdaPRA：具有自适应评分标准的过程奖励智能体用于数据科学

来源：https://huggingface.co/papers/2610.33245

摘要

AdaPRA 通过持久化知识积累和自适应评分标准引导的过程监督来提升数据科学智能体的能力，从而减少错误并提升排行榜成绩。

数据科学智能体（https://huggingface.co/papers?q=Data%20science%20agents）可以自动完成端到端的机器学习工作流（https://huggingface.co/papers?q=machine%20learning%20workflows），但在人类排行榜上仍远未具备竞争力。智能体会犯过程性错误（https://huggingface.co/papers?q=process%20errors），例如探索不足、验证不可靠、代码缺陷，以及未能合理利用有限预算（在每次尝试中重复运行相同的探索性数据分析和基线模型）。我们提出 AdaPRA 来解决这些问题：一个持久化的编码智能体框架，能够在同一任务的多次尝试之间积累知识，并通过评分标准引导的过程监督（https://huggingface.co/papers?q=process%20supervision）来识别和纠正错误。我们的过程奖励智能体（https://huggingface.co/papers?q=process%20reward%20agent）通过执行检查来审计智能体的轨迹和工作空间，并针对每个任务自适应调整其评分标准。我们发现，从较容易任务中提取的评分标准可以泛化到更难的任务，而评分标准自适应（https://huggingface.co/papers?q=rubric%20adaptation）能进一步提升性能。在每个任务五次尝试的设置下，AdaPRA 将一个 80B Qwen 模型在 DSPredict-Easy 上的排行榜百分位（https://huggingface.co/papers?q=leaderboard%20percentile）提升了 24.5 个百分点，在 DSPredict-Hard 上提升了 14.8 个百分点，同时减少了过程性错误（https://huggingface.co/papers?q=process%20errors）。我们还展示了使用从一个基础模型的运行中挖掘出的评分标准进行监督，可以改进另一个模型（DeepSeek-V3.2），并且 AdaPRA 超越了 DataPRM（https://huggingface.co/papers?q=DataPRM）——一个有竞争力的数据科学 PRM。我们同时公开了代码以便复现。

查看 arXiv 页面（https://arxiv.org/abs/2610.33245）查看 PDF（https://arxiv.org/pdf/2610.33245）项目页面（https://atharva-naik.github.io/AdaPRA）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2610.33245）

在你的智能体中获取这篇论文：

hf papers read 2610\.33245

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.33245，即可从此页面链接该模型。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.33245，即可从此页面链接该数据集。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.33245，即可从此页面链接该 Space。

包含此论文的收藏 0

暂无收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）即可从此页面链接。