arXiv · Machine Learning· Atharva Naik, Vivek Chari, Pol Llado, Daniel Fried, Carolyn Ros\'e, Benjamin Van Durme, Sam Thomson, Justin Svegliato·· 13 小时前AI 评分47
AdaPRA：采用自适应评分准则的数据科学过程奖励智能体
AdaPRA: Process Reward Agents with Adaptive Rubrics for Data Science
AI 导读
AdaPRA 提出一种用于数据科学的持久化编码智能体框架，通过按任务调整的评分准则审查执行轨迹与工作区，并纠正过程错误。每项任务尝试五次时，80B Qwen 在 DSPredict-Easy 和 DSPredict-Hard 的排行榜百分位分别提升 24.5 和 14.8 个百分点，同时过程错误减少。
来源：arXiv · Machine Learning · arxiv.org