اختبار عوامل الترميز الذكي عند التوسعة: تحويل المسارات إلى ملخصات منظمة للاستفادة من الخبرات القابلة لإعادة الاستخدام

رسالة AIMPACT، 26 أبريل (UTC+8)، مؤخراً، اقترحت دراسة جديدة إطاراً لتوسيع الاختبارات الموجّه لوكلاء الترميز ذوي الدورات الطويلة. يحوّل الإطار مسارات تشغيل الوكيل إلى ملخصات منظمة، مع الحفاظ على الافتراضات الرئيسية والتقدّم وأنماط الفشل، والتخلّي عن تفاصيل منخفضة الإشارة. يدعم الإطار طريقتين للتوسيع: التوسيع المتوازي باستخدام التصويت بالبطولة العودية (RTV) لتقليص مجموعة الملخصات المرشّحة بشكل متكرر؛ والتوسيع التسلسلي بتكييف أسلوب “المتوازي-التقطير-التنقية” (PDR) لسيناريوهات الوكيل، عبر الاستفادة من الملخصات السابقة لتوجيه توليد مسارات جديدة. وعلى معيارَي SWE-Bench Verified وTerminal-Bench v2.0، عند استخدام نموذج Claude-4.5-Opus، رفع هذا الأسلوب أداء mini-SWE-agent من 70.9% إلى 77.6%، ورفع أداء Terminus 1 من 46.9% إلى 59.1%. يرى أصحاب الرأي في المقال أن التوسيع أثناء الاختبار لوكلاء الدورات الطويلة هو في جوهره مسألة تتعلق بالتمثيل والاختيار وإعادة الاستخدام. (المصدر: InFoQ)
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • تعليق
  • إعادة النشر
  • مشاركة
تعليق
إضافة تعليق
إضافة تعليق
لا توجد تعليقات
  • مُثبت