What Else Needs Fixing? Exploring Cost-Effective Test-Time Compute for Revision Propagation in Artifacts Generated Through Conversation

• 类型：arxiv
• 标识：2609.03254
• 链接：https://arxiv.org/abs/2609.03254
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A new benchmark for this setting is introduced, and nine revision methods are evaluated, including sequential reflection and parallel sampling variants, using gpt-oss-20b/120b, gpt-5.4-mini, and qwen3.5-9b/27b/122b on the benchmark.
• OpenAlex ID：W7208733676
• OpenAlex DOI：10.48550/arxiv.2609.03254
• DOI：10.48550/arxiv.2609.03254
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.03254
• OpenAlex更新：2026-09-10
• 待LLM分类：否
• 标题中文：还有什么需要修复？探索对话生成制品中修订传播的成本有效 test-time compute
• TLDR中文：本文为该设定引入新基准，并基于该基准评估了九种修订方法，包括序贯反思与并行采样变体，使用 gpt-oss-20b/120b、gpt-5.4-mini 以及 qwen3.5-9b/27b/122b 进行测试。
• 副分类：evaluation
• 来源文件：
• /inbox/tom/_candidates/2026-09-08-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]