EvalResearchBench: Liệu các agent AI có thể tự tạo phản hồi để tự cải tiến đệ quy?

Đoạn trích bài viết

Tự cải tiến đệ quy (RSI) phụ thuộc vào phản hồi đánh giá để đo lường tiến độ và định hướng nghiên cứu sâu hơn, tuy nhiên việc liên tục chạy các bộ đo bài đo chuẩn phức tạp rất tốn kém và làm chậm quá trình lặp lại. Các chuyên gia con người giảm chi phí này bằng cách chọn các tập con bài đo chuẩn hoặc thiết kế các bộ kiểm thử tinh gọn.