CONNECTED RESEARCH

知识地图

从公司、技术和研究问题探索关联内容,每条关系都能追溯到原文和证据。

55 / 55 篇文章已有审核导读 · 202 条已审核关系

GenEval2执行成功率

GenEval2执行成功率GenEval2执行成功率Designer-RSIDesigner-RSI

点击关联节点继续探索;展开下方证据,区分来源事实、文章分析和条件性假设。

来源事实

Designer-RSI → 改变 → GenEval2执行成功率

摘要报告,在完整Designer-RSI设置下,Claude Sonnet 4上的GenEval2执行成功率由72.7%升至99.3%。这是实验结果,不是对技能扩充、修订或回放检查中某一组件的独立因果估计,也不是生产环境验收率。

查看关系证据
摘要报告,系统经过五轮、涉及1,406份真实用户需求和1,869条自动评分执行轨迹,在不更新权重、无人类标签的条件下,将技能数从76增至139。Claude-Sonnet-4上的GenEval2执行成功率由72.7%升至99.3%,生成质量增加11.99分。[S4]

[S4] arXiv

阅读完整研究

关联研究

ai

从云端接入到Agent记忆:AI模型的交付路径与复用条件

云端模型接入、企业Agent服务入口、工具调用格式和外部技能记忆分别解决什么问题,复用前还需要验证什么?

文章把接入与配置公告、服务入口、接口规则和实验结果分开比较,而不是合成一张模型排行榜。机制分析最具体的案例是Designer-RSI:冻结模型权重,复用技能,并通过回放检查控制记忆更新。