arXiv · Machine Learning· Haojin Wang, Yangzhen Wu, Zeyi Chen, Jian Xie, Jiaying Ye, Lili Meng, Shuyun Tang, Shangding Gu, Dawn Song·· 13 小时前AI 评分49
ParetoRSI-Gym：AI 智能体能否跨多个领域提升语言模型？
ParetoRSI-Gym: Can AI Agents Improve Language Models Across Multiple Domains?
AI 导读
ParetoRSI-Gym评估智能体跨领域改进语言模型，Claude Code with Opus-5取得最高结果。其代理最优检查点的泛化分数相对初始模型提高9.2%（绝对增加2.3分），按3个基础模型和5个领域等权平均；Ministral-3-3B在medicine领域的单领域相对增幅最高达63%。分析还发现，评测框架与模型同样重要，各智能体的数据选择策略各不相同。
来源：arXiv · Machine Learning · arxiv.org