标签
DocHop 引入了一个基准，用于评估信息密集文档中的多跳推理，重点是多模态大语言模型中的图表上下文集成，实验表明模型与人类性能之间存在显著差距。
Weasel是一种用于Web代理离线训练的轨迹选择方法，通过平衡重要性与多样性来提升域外泛化能力。该方法在多个基准测试中实现了高达12.5倍的训练加速并提升了性能。