qa-evaluation

标签

Cards List
#qa-evaluation

@0xwhrrari:Anthropic 这篇关于 harness 的论文真他妈是宝藏。Anthropic 的 Labs 团队只给了 Claude 一句话,就拿回了一个完整的应用 6…

X AI KOLs Timeline ↗ · 20小时前 缓存

对 Anthropic 的 Labs 智能体运行框架论文的解析,展示了一个由规划器、生成器和评估器组成的智能体流水线,如何通过冲刺契约、严格的质量保证门槛以及禁止自我评分,将一句话提示转化为 Claude Code 中可运行的应用。

0 人收藏 0 人点赞
#qa-evaluation

哪些医学问题应获得理由?面向稳健问答的扰动敏感选择方法

arXiv cs.CL ↗ · 2026-09-10 缓存

本文提出RMS-RSP,一种扰动敏感方法,用于选择接受理由监督的医学问题,提升问答系统的稳健准确性和语义一致性。

0 人收藏 0 人点赞
#qa-evaluation

同一代理,不同答案:基于重复感知的检索增强问答中语料库引发的答案波动审计

Hugging Face Daily Papers ↗ · 2026-08-24 缓存

本文引入了检索增强问答系统中忽略准确率的答案波动现象,并提出了快照兼容性审计,用于在语料库更新时检测隐藏的答案变化,即使整体准确率看似稳定。

0 人收藏 0 人点赞
← 返回首页

提交意见反馈