Bilanz der Quelle: EvoProbe verknüpft Aufgabenerzeugung, Diagnose und Nachgenerierung zu einem Kreislauf, bei dem aus Fehlermustern neue ausführbare Aufgaben entstehen. In zwei Runden mit 66 Aufgaben und acht Modellen sanken die Ergebniswerte aller Modelle im Mittel um 11,8 Prozent, bei Pass-Hoch-3 um 40 Prozent, während aggregierte Erfolgsquoten die Schwächen systematisch verdeckten.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
