跳到正文
arXiv · NLP· Ruomeng Ding, Qianli Shen, Zhaoyang Han, Meixin Chen, Daoyuan Chen, Yaliang Li·· 2026-10-14AI 评分40

Agentic Data Engineering 框架在 LLM 数据工程中的受控实证研究

Agentic Data Engineering for LLMs: System Design and a Controlled Empirical Study

AI 导读

Agentic Data Engineering (ADE) 框架让智能体通过实验反馈迭代优化 LLM 数据工程策略。在数学与代码数据选择等四项任务中,所选策略在 AIME25 Pass@32 上比通用基线最高提升 13.34%,四个留出基准平均提升 5.85%。 实验显示迭代内的 in-loop 分数随实验递增,但留出集泛化性能并非总是同步提升,结合证据分析与累积研究发现的效果更优。

来源:arXiv · NLP · arxiv.org