محققان در تازهترین دستاورد خود، فریمورک «DR-Arena» را معرفی کردهاند که به طور خودکار عملکرد ایجنتهای «تحقیق عمیق» (Deep Research) را به چالش میکشد. 🧐
چرا این خبر مهم است؟
مدلهای فعلی در ارزیابی خود با مشکلاتی مثل دادههای قدیمی و وابستگی به انسان روبرو هستند. اما DR-Arena با استفاده از «درختهای اطلاعات» پویا از وب و «حلقه تطبیقی»، پیچیدگی تسکها را بر اساس عملکرد مدل تنظیم میکند تا مرز تواناییهای استدلالی و جستجوی مدل مشخص شود. نتیجه؟ دقتی خیرهکننده که با نظرات انسانی برابری میکند، بدون نیاز به دخالت دستی! 🤖✨
این پیشرفت گام بزرگی برای رسیدن به ایجنتهای خودمختارِ واقعاً باهوش است.
منبع: arXiv NLP
