arXiv论文提出BiPA：技能优化器收益主要来自选择噪声

Jiawei Zhou 等作者在 arXiv 发布论文，提出评估方法 BiPA：通过在候选与种子技能完全相同的情况下重放优化器的接受规则，度量纯选择环节能“虚报”出多少收益。论文称，学习得到的技能与人工编写的种子技能成功率基本相当，平均仅高 0.1 分。 作者还把每个优化回合记录为回合与读取文本之间的二部图，用以追踪额外输入 token 的来源，并指出学习技能比种子多读约 16% 的 token。该结论覆盖三种优化器、三个智能体基准和两个模型，代码已公开。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。