Tag
標籤: test-time-scaling
所有標記為此標籤的文章 "test-time-scaling".
- Published: at 09:00 AMAI
Google Cloud AI Research 公開 Harness²,讓 agent 在執行任務時修改自己的系統提示、skills、scripts 與 plugin,不需要標準答案或評分。整理 Propose–Probe–Compose 怎麼運作、跨任務的改進庫、三個基準的數字、拆解實驗,以及成本、評審與選擇失誤等限制。
- Published: at 09:00 AMAI
Google Cloud AI Research 與劍橋大學 10 月 1 日上傳的 VeriHarness,讓生成模型自己當驗證者:分歧裁決者用工作區證據判斷互相矛盾的說法,共識挑戰者質疑 10 次 rollout 都同意的值。挑選加修訂後,比單次 rollout 平均高 6.2(Gemini 3.5 Flash)與 6.4 分(Claude Opus 4.8)。