Extension lors des tests d’agents IA d’encodage : convertir les trajectoires en résumés structurés pour réutiliser l’expérience

robot
Création du résumé en cours
Message AIMPACT, le 26 avril (UTC+8), récemment, une nouvelle étude a proposé un cadre de déploiement à l’inférence pour les agents d’encodage à long cycle. Le cadre convertit les trajectoires d’exécution des agents en résumés structurés, en conservant les hypothèses clés, les avancées et les modes d’échec, tout en abandonnant les détails peu porteurs de signal. Le cadre prend en charge deux approches d’extension : l’extension parallèle utilise un vote par tournoi récursif (RTV) pour réduire récursivement l’ensemble des résumés candidats ; l’extension séquentielle adapte la méthode Parallel-Distill-Refine (PDR) au contexte des agents, en utilisant des résumés antérieurs pour guider la génération de nouvelles trajectoires. Sur les bancs de test SWE-Bench Verified et Terminal-Bench v2.0, avec le modèle Claude-4.5-Opus, la méthode améliore les performances de mini-SWE-agent de 70,9% à 77,6%, et les performances de Terminus 1 de 46,9% à 59,1%. L’article estime que l’extension à l’inférence des agents à long cycle est, en essence, une question de représentation, de sélection et de réutilisation. (Source : InFoQ)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • Commentaire
  • Reposter
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
Aucun commentaire
  • Épinglé