arXiv · AI· Atharva Naik, Vivek Chari, Pol Llado, Daniel Fried, Carolyn Ros\'e, Benjamin Van Durme, Sam Thomson, Justin Svegliato·· 24 天前AI 评分31
AdaPRA:采用自适应评分标准的过程奖励智能体用于数据科学
AdaPRA: Process Reward Agents with Adaptive Rubrics for Data Science
AI 导读
AdaPRA 通过持久化代码智能体框架和自适应评分标准监督,减少数据科学流程错误。 在 5 次尝试中,AdaPRA 使 80B Qwen 模型在 DSPredict-Easy 和 DSPredict-Hard 上的排行榜百分位分别提升 24.5 和 14.8 分。 该方法验证了易任务评分标准可泛化至难任务,且优于 DataPRM,代码已开源。
来源:arXiv · AI · arxiv.org