Pengujian agen cerdas untuk pengkodean: perluasan saat menstransformasikan lintasan menjadi ringkasan terstruktur dan menggunakan ulang pengalaman

robot
Pembuatan abstrak sedang berlangsung
AIMPACT, pesan, 26 April (UTC+8). Baru-baru ini, sebuah riset baru mengusulkan kerangka penyesuaian (test-time scaling) untuk agen cerdas pengode jangka 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 turnamen rekursif (RTV) untuk secara rekursif menyusutkan himpunan kandidat ringkasan; perluasan sekuensial mengadaptasi metode paralel-distilasi-penyempurnaan (PDR) ke skenario agen, dengan menggunakan ringkasan sebelumnya untuk memandu pembuatan lintasan baru. Pada tolok ukur 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 meningkatkan performa Terminus 1 dari 46,9% menjadi 59,1%. Pandangan dalam tulisan tersebut menyatakan bahwa test-time scaling untuk agen cerdas jangka panjang pada dasarnya adalah masalah tentang representasi, pemilihan, dan penggunaan ulang. (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