Универсальный фреймворк LLM-as-a-Verifier для точной оценки и ранжирования траекторий агентов с использованием мелкозернистых логпроб-скоров и Probabilistic Pivot Tournament.
llm-verifier
agentic-benchmarks
fine-grained-reward
test-time-scaling
probabilistic-pivot-tournament
+3
источник ↗