编码智能体测试扩展:将轨迹转为结构化摘要以复用经验

AIMPACT 消ionamento, 26 de abril (UTC+8), recentemente, um novo estudo propôs um framework de test-time scaling para agentes codificadores orientados a longos horizontes. O framework converte as trajetórias de execução do agente em resumos estruturados, preservando hipóteses-chave, progressos e padrões de falha, e descartando detalhes de baixo sinal. O framework suporta dois modos de scaling: scaling em paralelo com votação recursiva de torneio (RTV), que reduz recursivamente o conjunto de resumos candidatos; e scaling em sequência, adaptando o método parallel-distill-refine (PDR) ao cenário de agentes, utilizando resumos anteriores para orientar a geração de novas trajetórias. Nos benchmarks SWE-Bench Verified e Terminal-Bench v2.0, ao usar o modelo Claude-4.5-Opus, este método melhora o desempenho do mini-SWE-agent de 70.9% para 77.6% e o desempenho do Terminus 1 de 46.9% para 59.1%. A perspetiva no artigo afirma que o test-time scaling para agentes de longos horizontes é, na essência, uma questão de representação, seleção e reutilização. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • Comentar
  • Republicar
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
Nenhum comentário
  • Fixado