预测 Agent 何时应进行推理？可靠性路由的行为压力测试
英文标题：When Should Forecasting Agents Reason? Behavioral Stress Tests for Reliability Routing
该论文研究预测 Agent 应在何种情况下信任语言模型推理、检索、集成与校准等不同能力。作者以 ForecastBench 风格的二元预测任务为测试场景，考察不同预测行为的可靠性与适用条件。研究旨在为可靠性路由提供行为压力测试依据，帮助开发者在不同任务条件下选择更值得信赖的 Agent 行为策略。
打开原文相关 6.4 · 机会 2
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
摘要
预测 Agent 日益结合语言模型推理、检索、集成和校准，但目前仍不清楚在何种情况下应信任每一种行为。我们在 ForecastBench 风格的二元预测任务上研究这一问题，并将其视为……
English / 原文
BibTeX formatted citation
×