Why don’t machine learning research agents overfit?
Amazon Science2828 字 (约 12 分钟)
85
机器学习研究代理通过压缩模型避免过拟合，且压缩可作为诊断工具。实验显示成功策略高度可压缩，信息瓶颈测试能区分真实结构与数据记忆。
入选理由：ML模型多次迭代后仍不因基准测试过拟合，与教科书预测矛盾
精选文章#机器学习#过拟合#压缩#LLMs#Amazon Science英文
公司
Amazon Science
别名：Amazon
亚马逊旗下科研机构，发布机器学习领域研究。
已跟踪 6 条高相关材料
TraeAI 观察
最近变化
2026-09-10 · ML模型多次迭代后仍不因基准测试过拟合，与教科书预测矛盾
为什么值得关注
Amazon Science 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Amazon Science机器学习AI代理BenchmarkingClinical AI
如果只读 3 篇
1
Why don’t machine learning research agents overfit?
Amazon Science · 8.5 分
机器学习研究代理通过压缩模型避免过拟合，且压缩可作为诊断工具。实验显示成功策略高度可压缩，信息瓶颈测试能区分真实结构与数据记忆。
2
When LLM judges agree, should we believe them?
Amazon Science · 8.5 分
使用Ising模型进行依赖感知的标签聚合，可提升多评委LLM评估的准确性，减少因评委输出相关性导致的误差。
3
SOP-Bench: A new benchmark for evaluating AI agents on real business procedures
Amazon Science · 8.5 分
SOP-Bench是亚马逊推出的首个真实业务流程AI代理基准，包含12个领域2000+任务，揭示现有模型在复杂流程中的性能局限。
相关材料
已收录 6 条与 Amazon Science 相关的内容，按评分排序。
SOP-Bench: A new benchmark for evaluating AI agents on real business procedures
Amazon Science2283 字 (约 10 分钟)
85
SOP-Bench是亚马逊推出的首个真实业务流程AI代理基准，包含12个领域2000+任务，揭示现有模型在复杂流程中的性能局限。
入选理由：SOP-Bench包含12个业务领域2000+真实任务，配对工具和标准答案
精选文章#AI代理#基准测试#SOP-Bench#亚马逊英文
When LLM judges agree, should we believe them?
Amazon Science1392 字 (约 6 分钟)
85
使用Ising模型进行依赖感知的标签聚合，可提升多评委LLM评估的准确性，减少因评委输出相关性导致的误差。
入选理由：Ising模型方法在三个任务中提升9-14%准确率，优于加权多数投票基线。
精选文章#LLM#Ising模型#多评委系统#标签聚合英文
A new benchmark for evaluating patient-facing health AI agents
Amazon Science1627 字 (约 7 分钟)
85
Amazon Science发布PatientAgentBench基准，通过生成合成患者数据和LLM评分，发现健康AI代理在临床场景中的关键缺陷。
入选理由：PatientAgentBench生成合成患者记录和临床情景，评估AI代理在多轮对话中的表现
精选文章#Health AI#Benchmarking#Amazon Science#Clinical AI英文
How controllers from industrial machinery can coordinate multitask machine learning
Amazon Science1962 字 (约 8 分钟)
85
ControlG框架利用PID控制器动态分配计算资源，解决多任务机器学习中的冲突问题，通过时间分离目标消除负迁移等三大缺陷。
入选理由：ControlG采用PID控制器按时间序列分配计算资源，避免梯度混合导致的负迁移问题
精选文章#机器学习#多任务学习#PID控制器#Amazon Science英文
Capturing token IDs during agentic interactions for better reinforcement learning
Amazon Science2527 字 (约 11 分钟)
85
亚马逊开源工具Turnstile通过精确记录token ID提升强化学习训练效果，验证显示两类智能体训练效率提升。
入选理由：Turnstile工具可精确记录生成时的token级历史数据
精选文章#强化学习#token ID#Turnstile#Amazon Science英文