Extensión en las pruebas del agente inteligente codificador: convertir trayectorias en resúmenes estructurados reutilizando experiencia

Mensaje AIMPACT, 26 de abril (UTC+8): recientemente, un nuevo estudio propuso un marco de test-time scaling para agentes codificadores de largo horizonte. El marco convierte las trayectorias de ejecución del agente en resúmenes estructurados, conservando supuestos clave, avances y modos de fallo, y descartando detalles de baja señal. El marco admite dos formas de escalado: el escalado en paralelo utiliza el voto por torneo recursivo (RTV) para reducir recursivamente el conjunto de resúmenes candidatos; el escalado secuencial adapta el método de paralelo-destilación-refinamiento (PDR) al escenario de agentes, utilizando resúmenes previos para guiar la generación de nuevas trayectorias. En los benchmarks SWE-Bench Verified y Terminal-Bench v2.0, al usar el modelo Claude-4.5-Opus, este método mejora el rendimiento del mini-SWE-agent del 70,9% al 77,6% y mejora el rendimiento de Terminus 1 del 46,9% al 59,1%. El artículo sostiene que el escalado en tiempo de prueba de los agentes de largo horizonte es, en esencia, un problema de representación, selección y reutilización. (Fuente: InFoQ)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • Comentar
  • Republicar
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
Sin comentarios
  • Fijado