AdaPRA：面向数据科学、基于自适应评分标准的过程奖励智能体

英文标题：AdaPRA: Process Reward Agents with Adaptive Rubrics for Data Science

本文提出了 AdaPRA（基于自适应评分标准的过程奖励智能体），旨在解决数据科学 Agent 在端到端机器学习工作流自动化中的瓶颈问题。研究指出，现有数据科学 Agent 在人类竞赛排行榜上仍欠缺竞争力，普遍存在探索不充分、验证不可靠、代码错误及计算预算利用低效等过程性缺陷。为此，AdaPRA 引入了自适应评分机制的过程奖励模型，对 Agent 的中间开发流程进行动态评估与纠偏。该研究为提升大模型在复杂代码工程与机器学习任务中的决策鲁棒性提供了重要借鉴。

2.0 KB 640 B 612 B 380 B 24.2 KB 34.7 KB