arXiv · AI· Jingxuan Xu, Zihang Xu, Yuechen Luo, Ziqi Miao, Wenqiang Zhu, Weihao Li, Junhao Fan, Xinshun Feng, Zhiyi Lai, Yanan Wu, Haoyang Huang, Ken Deng·· 4 小时前AI 评分36
RIPPLE：通过过程级策略学习和效应感知信用分配提升长程智能体编码的恢复能力
RIPPLE: Recovery Internalization through Process-Level Policy Learning and Effect-Aware Credit for Long-Horizon Agentic Coding
AI 导读
RIPPLE 通过过程级策略学习和效应感知信用分配，解决了长程编码智能体的 Critique-to-Action Handoff Gap 问题。 该框架利用仅前缀教师进行轻量蒸馏，并通过强化学习分配阶段特定信用。在四个仓库级基准测试中，RIPPLE 使基础策略平均提升 4.8 分。
来源：arXiv · AI · arxiv.org