arXiv · NLP· Yuechen Luo, Zhiyi Lai, Miao Ziqi, Zihang Xu, Jingxuan Xu, Songwei Yu, Wenqiang Zhu, Weihao Li, Junhao Fan, Haoyang Huang, Yanan Wu, Ken Deng·· 2026-10-16AI 评分31
OPRD:面向长程编码智能体的在线策略提醒蒸馏
OPRD: On-Policy Reminder Distillation for Long-Horizon Coding Agents
AI 导读
OPRD结合多尺度提醒监督与基于结果的路由,在SWE-bench Verified等基准上将开源模型Qwen3.5-4B的平均任务解决率提升11.3点。 该技术将全局提醒转化为轨迹级指导,使聚合错误事件数从446个降至222个,减少50.2%。
来源:arXiv · NLP · arxiv.org