arXiv · NLP· Hanjun Luo, Xuecheng Liu, Xiucheng Zhang, Zhuoning Xu, Yingbin Jin, Yankai Chen, Xue Liu, Hanan Salam·· 2026-10-20AI 评分33
ForkDPO 解决编码智能体“沉默分叉”处的过度防御行为
Over-Defense in Coding Agents Begins at Silent Forks
AI 导读
研究发现前沿模型在“沉默分叉”处过度防御行为占比最高达 91%,现有 GRPO 方法无法有效修正。 ForkDPO 方法通过对比同一前缀下的适度与过度动作,在未知仓库测试集上将 4B 模型的过度防御率从 70.3% 降至 58.9%,优于随机 DPO 的 67.7%。
来源:arXiv · NLP · arxiv.org