AIMPACT-сообщение, 26 апреля (UTC+8): недавно новое исследование предложило тестово-расширяющую (test-time scaling) рамку для долгоживущих кодирующих агентов. Эта рамка преобразует траектории работы агента в структурированные сводки, сохраняя ключевые допущения, прогресс и паттерны неудач, и отбрасывая малосигнальные детали. Рамка поддерживает два способа расширения: параллельное расширение с рекурсивным арбитражным голосованием (RTV) для рекурсивного сужения набора кандидатных сводок; последовательное расширение адаптирует подход параллельного — дистилляции — уточнения (PDR) под сценарии агентов, используя предыдущие сводки для генерации новых траекторий. На бенчмарках SWE-Bench Verified и Terminal-Bench v2.0 при использовании модели Claude-4.5-Opus этот метод повышает производительность mini-SWE-agent с 70,9% до 77,6%, а результат Terminus 1 — с 46,9% до 59,1%. В статье отмечают, что тестово-расширяющая настройка для долгоживущих агентов по сути является вопросом представлений, выбора и повторного использования. (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
лайк
комментарий
Репост
Поделиться

комментарий

Добавить комментарий

Нет комментариев

Популярные темы
Подробнее
#
PreIPOsSeason2OpenAISubscription
1,13M Популярность
#
PredictWorldCup🇫🇷vs🇪🇸
198,61K Популярность
#
IsraelStrikesIranBTCPlunges
72,19K Популярность
#
MillionDepositCashback
1,12M Популярность
#
SKHynixADRPremiumSurges
283,6K Популярность

Закреплено

Карта сайта

Расширение во время тестирования кодирующих агентов: преобразование траекторий в структурированные краткие сводки с повторным использованием опыта

Популярные темы

PreIPOsSeason2OpenAISubscription

PredictWorldCup🇫🇷vs🇪🇸

IsraelStrikesIranBTCPlunges

MillionDepositCashback

SKHynixADRPremiumSurges

Закреплено