材料描述了一项经济授权微调评测:模型需依据支出授权处理购买请求,并以策略要求但模型仍输出允许的决策作为不安全执行指标。在165个留出场景上,报告的v7准确率为95.8%(158/165),不安全执行为3/113(2.7%),契约有效率为165/165。v7在v4适配器基础上继续训练,使用3,300条平衡修复数据;材料称剩余7个失败中包括4个不安全允许决策。评测支出为模拟,衡量的是决策层;数据集、适配器和代码提供了公开链接。
微调模型遵循支出授权:v7在165个留出场景上的评测
依据原文整理。译文生成未通过校验,请阅读原文。
六轴双评分均分:73.75 / 100
相关性 8.5 / 10 · 新信息 7 / 10 · 证据 6.5 / 10 · 推理 8 / 10 · 信息密度 8.5 / 10 · 行动价值 7 / 10
中文摘编
依据来源材料整理,保留事实、观点与适用范围的区别。
完整上下文请阅读原始来源。
完整上下文请阅读原始来源。