arXiv cs.AI· Liang Twist Shan, Jiahao Ai, Zhimei Ren·· 1 天前AI 评分41
超越标量排行榜：多目标 LLM 竞技场中识别 Pareto 前沿的自适应采样方法 VB-EGE
Beyond Scalar Leaderboards: Adaptive Sampling for Pareto Frontier Identification in Multi-Objective LLM Arenas
AI 导读
arXiv 论文提出 VB-EGE，一种固定置信度的自适应采样算法，用于在竞技场式评测中以尽可能少的成对比较识别处于 Pareto 前沿的 LLM。在多目标 Bradley-Terry 模型下，该算法能以高概率返回正确的 Pareto 前沿，并给出依赖实例的样本复杂度上界，证明其在对数因子内 minimax 最优。
来源：arXiv cs.AI · arxiv.org