Micropaper
·
Trae Agent Ensemble Reasoning
💡
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
本文提出了一种基于代理的集成推理框架，通过生成、修剪和选择三大代理的协作，解决仓库级问题，显著提升性能，实现了SOTA成绩。
🎯
关键要点
- 提出了一种基于代理的集成推理框架，解决仓库级问题。
- 候选补丁空间太大，现有方法在大空间下性能下降。
- EnAgent（Trae Agent）技术包含生成、修剪和选择三大核心代理。
- 生成代理使用多个LLM和随机采样生成多样化补丁。
- 修剪代理快速过滤掉明显不对的补丁。
- 选择代理用仓库级上下文选择最优补丁。
- 测试时缩放策略动态控制集成大小，实现成本-质量权衡。
- 在SWE-bench Verified中获得第一名，Pass@1达到78.80%。
- 集成大小增加时，性能单调提升，可以根据预算动态选择集成大小。
- 通过迭代代理文件摄入和代码区域摘要实现仓库级理解。
- 首次提出基于代理的集成推理框架，解决了最优解搜索问题。
- 建议开发者采用集成推理和模块化设计，理解整个仓库的上下文。
➡️
