➡️
继续阅读
-
一分钟读论文:《Agent能否从失败中进化——自主策略演化评估基准EvoPolicyGym》
阿里巴巴达摩院提出了“自主策略演化”评估新范式EvoPolicyGym,关注在固定预算内Agent如何迭代改进策略。该方法通过轨迹级诊断框架分析预算分配、...
-
一分钟读论文:《当Agent学会自我进化——自主策略演化评估框架EvoPolicyGym》
阿里巴巴达摩院的论文《EvoPolicyGym》首次将自主策略演化形式化为独立评估设定,提出在固定交互预算内评估Agent的策略改进能力。研究表明,强自主...
-
一分钟读论文:《游戏引擎编码智能体基准测试》
多伦多大学等机构的一篇论文《GameEngineBench: Evaluating Coding Agents on Real C++ Runtime E...
-
一分钟读论文:Lean4Agent——用依赖类型语言验证 Agent 工作流
本文提出了一种使用Lean4语言对LLM Agent工作流进行形式化建模与验证的方法,克服了传统经验性测试的不足。主要贡献包括FormalAgentLib...
-
一分钟读论文:《当记忆必须有限时——长程智能体的有界契约设计》
上海交通大学与清华大学合作的论文《AgenticSTS》提出了“有界记忆契约”框架,解决了长程智能体在决策中提示词无限增长的问题。该框架确保提示词大小恒定...
-
一分钟读论文:SWE-Doctor——用多面Bug复现测试引导Agent生成补丁
本文讨论了SWE-Doctor,一个通过多面Bug复现测试(BRT)指导软件开发的研究。研究表明,传统BRT主要用于验证,未能有效指导补丁生成。SWE-D...