arXiv · cs.AI· HyunJoon Jung, William Na·· 6 小时前
基于智能体的LLM评估：分离质量评分与问题发现
Logarithmic Scores, Power-Law Discoveries: Disentangling Measurement from Coverage in Agent-Based Evaluation
arXiv:2604.00477v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：HyunJoon Jung, William Na
研究任务与主要进展
基于论文摘要，HyunJoon Jung与William Na研究了基于人格化LLM智能体的多轮评估，在两个模型组合、15项任务和960次会话中比较了评分与问题发现。结果显示，质量评分随评审规模呈对数增长，独特问题发现呈次线性幂律增长，且评分约以问题发现两倍的速度趋于饱和；消融实验进一步表明，结构化人格条件化而非简单提示词是形成这些扩展特征的必要因素。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org