Ekstensi saat menguji agen cerdas untuk encoding: mengubah lintasan menjadi ringkasan terstruktur untuk menggunakan ulang pengalaman

robot
Pembuatan abstrak sedang berlangsung
AIMPACT消息, 26 April (UTC+8), baru-baru ini, sebuah riset baru mengusulkan kerangka perluasan saat pengujian yang ditujukan untuk agen pengkodean berjangka panjang. Kerangka ini mengubah lintasan eksekusi agen menjadi ringkasan terstruktur, mempertahankan asumsi kunci, kemajuan, dan pola kegagalan, serta membuang detail berdaya sinyal rendah. Kerangka mendukung dua cara perluasan: perluasan paralel menggunakan pemungutan suara RTV (recursive tournament voting) secara rekursif untuk menyempitkan himpunan kandidat ringkasan; perluasan sekuensial menyesuaikan metode Parallel-Distillation-Refinement (PDR) ke skenario agen, dengan memanfaatkan ringkasan sebelumnya untuk memandu pembuatan lintasan baru. Pada benchmark SWE-Bench Verified dan Terminal-Bench v2.0, saat menggunakan model Claude-4.5-Opus, metode ini meningkatkan performa mini-SWE-agent dari 70,9% menjadi 77,6% dan kinerja Terminus 1 dari 46,9% menjadi 59,1%. Pandangan dalam tulisan tersebut menyatakan bahwa perluasan saat pengujian untuk agen berjangka panjang pada dasarnya adalah masalah tentang representasi, pemilihan, dan pemanfaatan kembali. (Sumber: InFoQ)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar
  • Disematkan