HSPR (Hierarchical Score Posterior Recovery) es un método computacional diseñado para evaluar agentes de software sin la necesidad de ejecutar pruebas completas en benchmarks costosos. El enfoque combina factores de respuesta ajustados a la fuente con tasas de éxito de grupo inciertas, permitiendo recuperar puntuaciones precisas mediante inferencia de posterior jerárquica. A diferencia de los métodos tradicionales que dependen de subconjuntos de tareas, HSPR utiliza la estructura histórica de las respuestas para actualizar los posteriors sobre el estado latente del objetivo y las tasas de grupo. El criterio de selección de tareas se basa en la reducción esperada de la varianza de la puntuación completa, lo que garantiza una adquisición eficiente de información. En pruebas con un 10% del presupuesto de tareas de cuatro bancos de la familia SWE-bench, HSPR logró la menor error absoluto medio (MAE) en tres bancos y el menor error absoluto máximo (MaxErr) en todos los cuatro. La eliminación de la incertidumbre de grupo o la sustitución de consultas adaptativas aumentó el MAE macro en los controles, confirmando la importancia de la incertidumbre en el modelo. Además, la precisión se mantiene en rangos de presupuesto entre el 5% y el 20%, demostrando la robustez de la técnica para estimaciones de puntuación completa con menor coste computacional.
