arXiv · AI· Jiaqi Liu, Ruinan Jin, Yitong Tang, Beidi Zhao, Gexin Huang, Qiong Zhang, Xiaoxiao Li·· 10 小时前AI 评分33
EvalRx: 基础模型的智能体诊断与修复框架
EvalRx: Agentic Diagnosis and Verified Repair of Foundation Models
AI 导读
EvalRx 开源框架通过统计诊断与可证伪假设验证，在 12 种模型-模态组合中提升基础模型表现。 平均提升 5.8 个百分点，增益范围为 1.4 至 10.9 个百分点，覆盖 Gemini、Qwen 等模型。 该过程支持对模型故障进行可审计的诊断与修复。
来源：arXiv · AI · arxiv.org