arXiv · ML· Hayden Helm, Avijit Ghosh, Ben Johnson, Carey Priebe·· 21 小时前AI 评分25
PKPS 方法实现稀疏非配对响应下的基准预测
Benchmark Prediction with Sparse and Unpaired Cached Responses
AI 导读
研究提出 PKPS（Product Kernel Perspective Space）方法，用于解决全量基准评估成本高昂的问题。 该方法通过嵌入响应对比相似而非完全相同的查询，有效利用稀疏和非配对的评估数据。 理论上证明 PKPS 在查询效率上优于仅使用密集配对数据的方法，实验显示其在两个大型基准套件中优于基线模型。
来源：arXiv · ML · arxiv.org