研究者提出跨源证据接地评测框架CSEG
热点事件持续更新
研究者提出跨源证据接地评测框架CSEG
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者提出跨源证据接地（CSEG）评估框架，用六层决策树覆盖完整搜索轨迹，并据此构建含1,160条已验证轨迹的CSEG-Bench。 基于该框架训练的奖励模型CSEG-RM在基准上达到83.9%精确准确率，位于性能-token效率帕累托前沿。研究者称，仅用该奖励模型监督冻结检索的答案策略，可将独立评判的平均标签从2.83提升至4.19。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
面向搜索智能体跨源证据锚定的奖励模型基准与训练报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI面向搜索智能体跨源证据锚定的奖励模型基准与训练
研究者提出跨源证据锚定（CSEG）评估框架，用六层决策树覆盖完整搜索轨迹，并构建含 1,160 条已验证轨迹的 CSEG-Bench。基于该框架训练的 CSEG-RM 在基准上达到 83.9% 精确准确率，位于性能-token 效率帕累托前沿。仅用该奖励模型监督冻结检索的答案策略，可将独立评判的平均标签从 2.83 提升至 4.19。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。