· ai
【论文】EvilGenie：奖励劫持基准
我们介绍 EvilGenie，一个用于编程环境中 reward hacking 的基准。我们从 LiveCodeBench 获取问题，并创建一个环境，使得 agents …
-
- · ai
[Paper] 超越准确性：对 Imputation 中 Uncertainty Estimation 的实证研究
处理缺失数据是数据驱动分析中的核心挑战。现代 imputation 方法不仅旨在实现精确重建，而且在 … 方面也有所不同。
- · ai
[Paper] Bangla 手语翻译：数据集创建挑战、基准测试与前景
Bangla Sign Language Translation (BdSLT) 迄今为止受到严重限制，因为该语言本身资源极其匮乏。标准的句子级数据集创建……
- · ai
[Paper] LLM 能否提取类似人类的细粒度证据用于基于证据的事实核查？
误信息经常在在线新闻文章下的用户评论中传播，这凸显了需要有效的方法来检测事实错误的信息。
- · ai
[Paper] CodeFuse-CommitEval：面向提交信息和代码变更不一致检测的LLM能力基准测试
Version control 依赖 commit messages 来传达代码更改的原因，但这些 messages 往往质量低下，更关键的是不一致……