**探索对话生成内容的低成本测试时修订传播方法**

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

> 该研究探讨LLM在对话迭代生成artifact时，如何识别局部修改的依赖关系并传播至所有受影响部分。研究提出新基准，评估9种修订方法，发现从3个并行样本中选择（LLM-based或medoid selection）最具成本效益，准确率提升2.2%-9.7%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.03254)