跳到正文
arXiv · ML· Lirui Luo, Kelong Mao, Xinwei Yang, Rongqing Li, Luyu Chen, Kieran Wong, Yudong Guo, Xinrui Wang, Jiayin Zhu, Pu Yao, Gu Simiu, Sulong Xu, Cong Fang·· 9 天前AI 评分33

基于同策略蒸馏解锁预训练文件操作在长程编码智能体记忆后训练中的潜力

Coding Agent Memory Post-Training II: Unlocking the Memory Potential of Pre-trained File Operations for Long-Horizon Tasks via On-Policy Distillation

AI 导读

研究提出CAMP-II框架,通过同策略蒸馏训练单一策略学习基于文件的记忆行为,在CAMG-II基准中性能增益达最强基线的2.97倍。 CAMP-II结合完全异步OPD,从具有文件操作先验的冻结教师模型中学习,该记忆行为可泛化至Terminal-Bench 2.1和SWE-Bench Pro V2等外部基准并提升成功率。

来源:arXiv · ML · arxiv.org