跳到正文
arXiv · AI· Zheye Deng, Sha Li, Changlong Yu, Xin Liu, Qin Lu, Priyanka Nigam, Yangqiu Song·· 2026-10-14AI 评分37

ARBITER:基于可验证反馈的智能体代码判官

Beyond the Verdict: Agentic Code Judging with Verifiable Feedback

AI 导读

ARBITER 是一个 35B MoE 智能体验证器,在通用执行沙箱中通过强化学习训练,用于在受限提交预算下诊断代码错误。 在 USACO-JUDGE 数据集上,ARBITER 将错误程序的反例成功率从 40.61% 提升至 62.67%,平均二元判决准确率从 71.41% 提升至 87.41%。

来源:arXiv · AI · arxiv.org