Pengujian agen cerdas berbasis encoding diperluas: mengubah lintasan menjadi ringkasan terstruktur untuk memanfaatkan pengalaman yang sudah ada

robot
Pembuatan abstrak sedang berlangsung
AIMPACT, 26 April (UTC+8). Baru-baru ini, sebuah riset baru mengusulkan sebuah kerangka perluasan saat pengujian (test-time extension) yang ditujukan untuk agen berjangka panjang. Kerangka ini mengubah lintasan eksekusi agen menjadi ringkasan terstruktur, mempertahankan asumsi kunci, kemajuan, dan pola kegagalan, serta membuang detail berdaya sinyal rendah. Kerangka ini mendukung dua cara perluasan: perluasan paralel menggunakan Recursive Tournament Voting (RTV) untuk menyusutkan kandidat kumpulan ringkasan secara rekursif; perluasan berurutan mengadaptasi metode Parallel-Distillation-Refinement (PDR) ke skenario agen, dengan memanfaatkan ringkasan sebelumnya untuk memandu pembuatan lintasan baru. Pada benchmark SWE-Bench Verified dan Terminal-Bench v2.0, saat menggunakan model Claude-4.5-Opus, metode ini meningkatkan performa mini-SWE-agent dari 70,9% menjadi 77,6%, serta meningkatkan performa Terminus 1 dari 46,9% menjadi 59,1%. Pandangan dalam artikel tersebut menyatakan bahwa perluasan saat pengujian untuk agen berjangka panjang pada dasarnya adalah masalah tentang representasi, seleksi, dan penggunaan ulang. (Sumber: InFoQ)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar
  • Disematkan