Расширение при тестировании кодирующего агента: преобразование траектории в структурированное резюме с повторным использованием опыта

Сообщение 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 допущения, прогресс и модели неудач, при этом отбрасывая малосигнальные детали. Фреймворк поддерживает два типа расширения: параллельное расширение использует рекурсивное голосование по турниру (RTV) для рекурсивного сужения множества кандидатных сводок; последовательное расширение адаптирует подход параллельная-дистилляция-уточнение (PDR) под сценарии агента, используя ранее полученные сводки для наведения генерации новых траекторий. На бенчмарках SWE-Bench Verified и Terminal-Bench v2.0 при использовании модели Claude-4.5-Opus этот метод улучшил показатели mini-SWE-agent с 70,9% до 77,6%, а Terminus 1 — с 46,9% до 59,1%. Авторы считают, что тестовое расширение для долгосрочных агентов по сути является задачей о представлениях, выборе и повторном использовании. (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