关于 EdgeBench 长时程实验中逐轮反馈与 Agent 行为轨迹的数据 Research question: per-run feedback and adaptation traces
I maintainer di solito rispondono entro 2 giorni
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 35/100
- Tipo di issue
- Documentazione
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Start with the evaluation platform and the related discussion in #7, which the issue identifies as covering time-varying scores. Ask whether the original experiments retained per-run records linking feedback, agent actions or revisions, and later outcomes, and whether any are available for research. Done means providing a pointer to suitable public data or clarifying its availability; the proposed offline analysis is research work rather than a specified repository change.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
各位老师好,
最近在看 EdgeBench 和 SForge,比较感兴趣的是 Agent 在长时程任务中如何利用中间评估反馈调整后续行为。
我注意到 #7 已经讨论过随时间变化的评分数据,维护者也提供了评测平台。不过我想进一步了解的是,原始实验中是否保留了能够按运行和时间步骤对齐的记录,例如每次评估的反馈、Agent 随后的行动或策略调整,以及后续的评估结果。
我目前关注 AI evaluation、feedback reliability 和 agent learning。一个想验证的问题是:中间评分的改善,是否真的能预测后续任务表现的提升?如果存在误导性反馈,能否通过额外的独立证据区分有效进展与虚假的局部改善?
如果有相关记录,我想先基于已有实验数据做一个小规模离线分析,比较简单的分数阈值与证据条件化方法的表现,暂时不涉及重新训练大模型。
想请教一下,这类逐轮反馈与行为记录是否有公开版本,或者是否存在可以用于科研分析的部分数据?如果团队已经在研究类似问题,也很希望了解现有进展,避免重复工作。
谢谢!
郭佰鑫
微信:Max-GuoBX
Thanks for releasing EdgeBench and SForge.
I'm interested in how agents use intermediate evaluation feedback during long-horizon tasks, particularly when an apparent improvement in a local score does not translate into reliable downstream progress.
I saw #7 and the link to the evaluation platform, but I'm looking for a slightly different artifact: temporally aligned records of evaluator feedback, subsequent agent actions or revisions, and later evaluation outcomes from the same run.
Were any such per-run traces retained from the original experiments, and are they available for research use?
I'd like to start with a small offline study of when intermediate feedback is actually informative enough to guide further adaptation, comparing simple score-based rules against evidence-conditioned alternatives. I wouldn't need a new training run or additional compute to begin.
If this is already covered by a public artifact or ongoing study, a pointer would be very helpful.
Thanks,
Baixin Guo (Max)
- Lingua principale
- Python
- Stelle
- 474
- Fork
- 20
- Merge medio
- 1g 7h
- PR unite (30g)
- 2
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di ByteDance-Seed/EdgeBench
-
smt_solver: correct models on five hard files crash the validator and score the whole submission 0Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 22/100
ByteDance-Seed/EdgeBench#42 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 18/100
ByteDance-Seed/EdgeBench#40 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
ByteDance-Seed/EdgeBench#39 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 56/100
ByteDance-Seed/EdgeBench#31 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 25/100
ByteDance-Seed/EdgeBench#30 · 2 commenti ·
I maintainer di solito rispondono entro 2 giorni
Tutte le issue di ByteDance-Seed/EdgeBench
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
microsoft/onnxscript#3155 ·
I maintainer di solito rispondono entro 4 giorni
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 1 giorno
-
bug docs severity:low
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 1 giorno
-
docs good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100