AIMPACT повідомлення, 26 квітня (UTC+8), нещодавно нове дослідження запропонувало фреймворк тестового розгортання для довготривалих (довгих за горизонтом) агентів кодування. Цей фреймворк перетворює траєкторії роботи агента на структуровані резюме, зберігаючи ключові припущення, прогрес і моделі невдачі, і відкидаючи деталі з низьким рівнем сигналу. Фреймворк підтримує два способи розгортання: паралельне розгортання використовує рекурсивне голосування в рамках рекурсивного турніру (RTV) для рекурсивного звуження множини кандидатних резюме; послідовне розгортання адаптує метод паралельне-дистилювання-відточування (PDR) до сценарію агентів, використовуючи попередні резюме для керування генерацією нових траєкторій. На бенчмарках SWE-Bench Verified і Terminal-Bench v2.0, при використанні моделі Claude-4.5-Opus, цей підхід підвищує продуктивність mini-SWE-agent з 70.9% до 77.6%, а продуктивність Terminus 1 — з 46.9% до 59.1%. У статті висловлюється думка, що тестове розгортання для довготривалих агентів по суті є питанням про репрезентацію, вибір і повторне використання. (Джерело: InFoQ)

Переглянути оригінал

Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.

Нагородити
подобається
Прокоментувати
Репост
Поділіться

Прокоментувати

Додати коментар

Немає коментарів

Популярні теми
Дізнатися більше
#
PreIPOsSeason2OpenAISubscription
1,13M Популярність
#
PredictWorldCup🇫🇷vs🇪🇸
202,02K Популярність
#
IsraelStrikesIranBTCPlunges
72,19K Популярність
#
MillionDepositCashback
1,52M Популярність
#
SKHynixADRPremiumSurges
284,27K Популярність

Закріплено

карта сайту

Розширення під час тестування агентів кодування: перетворення траєкторій на структуровані підсумки для повторного використання досвіду

Популярні теми

PreIPOsSeason2OpenAISubscription

PredictWorldCup🇫🇷vs🇪🇸

IsraelStrikesIranBTCPlunges

MillionDepositCashback

SKHynixADRPremiumSurges

Закріплено