Pengujian agent AI untuk encoding diperluas: ubah lintasan menjadi ringkasan terstruktur untuk penggunaan ulang pengalaman

AIMPACT merilis kabar pada 26 April (UTC+8). Baru-baru ini, sebuah riset baru mengusulkan kerangka uji-time scaling untuk agen cerdas dengan horizon jangka panjang. Kerangka ini mengubah lintasan eksekusi agen menjadi ringkasan terstruktur, mempertahankan asumsi kunci, progres, dan pola kegagalan, sambil membuang detail berdaya sinyal rendah. Kerangka ini mendukung dua cara scaling: scaling paralel menggunakan recursive tournament voting (RTV) untuk menyusutkan kandidat set ringkasan secara rekursif; scaling sekuensial mengadaptasi metode parallel-distriillation-refinement (PDR) ke skenario agen, dengan memanfaatkan ringkasan sebelumnya untuk memandu generasi 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%, serta meningkatkan performa Terminus 1 dari 46,9% menjadi 59,1%. Artikel tersebut berpandangan bahwa scaling saat pengujian untuk agen horizon jangka panjang pada dasarnya adalah soal representasi, seleksi, dan reusability. (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