Kiểm thử tác nhân AI mã hóa mở rộng: chuyển quỹ đạo thành bản tóm tắt có cấu trúc để tái sử dụng kinh nghiệm

robot
Đang tạo bản tóm tắt
AIMPACT,ngày 26 tháng 4 (UTC+8), gần đây, một nghiên cứu mới đã đề xuất khung mở rộng trong thời gian kiểm thử cho các tác nhân mã hoá theo chu kỳ dài. Khung này chuyển quỹ đạo vận hành của tác nhân thành các bản tóm tắt có cấu trúc, giữ lại các giả định quan trọng, tiến triển và các dạng thất bại, đồng thời loại bỏ các chi tiết có tín hiệu thấp. Khung hỗ trợ hai cách mở rộng: mở rộng song song sử dụng bỏ phiếu theo giải đấu đệ quy (RTV) để thu hẹp đệ quy tập các bản tóm tắt ứng viên; mở rộng tuần tự điều chỉnh phương pháp song song– chưng cất– tinh luyện (PDR) cho bối cảnh tác nhân, sử dụng các bản tóm tắt trước đó để hướng dẫn việc tạo ra quỹ đạo mới. Trên các bộ chuẩn SWE-Bench Verified và Terminal-Bench v2.0, khi dùng mô hình Claude-4.5-Opus, phương pháp này đã nâng hiệu năng của mini-SWE-agent từ 70,9% lên 77,6%, đồng thời nâng hiệu năng của Terminus 1 từ 46,9% lên 59,1%. Bài viết cho rằng, việc mở rộng trong thời gian kiểm thử đối với các tác nhân chu kỳ dài về bản chất là một bài toán liên quan đến biểu diễn, lựa chọn và tái sử dụng. (Nguồn: InFoQ)
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • Bình luận
  • Đăng lại
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
Không có bình luận
  • Đã ghim