跳到正文
arXiv · AI· Zhengxin Zhang, Erkang Zhu, Yin Lin, Claire Cardie, Bolin Ding, Jingren Zhou·· 24 天前AI 评分59

Rethinking Verification in Agent Harnesses:Agent 框架中验证机制的测试时扩展研究

Rethinking Verification in Agent Harnesses

AI 导读

研究团队将验证视为 Agent 框架测试时扩展的关键维度,在 Terminal-Bench 和 SWE-bench Verified 上对比了7个前沿编码模型的17种验证设计。

来源:arXiv · AI · arxiv.org