arXiv · NLP· Fanzhe Meng, Guoxin Chen, Jiale Zhao, Shuang Sun, Yuzhi Lin, Wayne Xin Zhao, Ruihua Song, Ji-Rong Wen, Kai Jia·· 9 小时前AI 评分33
CalibForge 通过对抗求解器校准扩展可学习终端任务
CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks
AI 导读
CalibForge 利用验证求解器行为修正候选任务，构建 5,431 个校准终端任务。模型训练后在 Terminal-Bench 2.1 达 31.84% 和 47.57%。 验证比单纯创作更有效，最高提升 23.97 个百分点，支持求解器相对可学习性作为智能体数据构建目标。
来源：arXiv · NLP · arxiv.org