Расширение при тестировании кодирующих агентов: преобразование траектории в структурированное резюме для повторного использования опыта

robot
Генерация тезисов в процессе
AIMPACT, 26 апреля (UTC+8): Недавно новое исследование предложило фреймворк для тестового расширения, ориентированный на долгосрочные кодирующие агенты. Фреймворк преобразует траектории работы агента в структурированные сводки, сохраняя ключевые предположения, прогресс и паттерны неудач, и отбрасывает детали с низким сигналом. Фреймворк поддерживает два режима расширения: параллельное расширение с применением рекурсивного турнирного голосования (RTV) для рекурсивного сужения множества кандидатов в сводках; последовательное расширение, адаптирующее подход параллельное — дистилляция — уточнение (PDR) под сценарии агента и использующее предыдущие сводки для генерации новых траекторий. На бенчмарках SWE-Bench Verified и Terminal-Bench v2.0 при использовании модели Claude-4.5-Opus метод повысил производительность mini-SWE-agent с 70,9% до 77,6%, а результат Terminus 1 — с 46,9% до 59,1%. В статье отмечается, что тестовое расширение долгосрочных агентов по своей сути является задачей про представления, выбор и повторное использование. (Источник: InFoQ)
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закреплено