跳到正文
arXiv · AI· Yueshen Li, Kamer Ali Yuksel, Gokhan Tur, Dilek Hakkani-T\"ur, Jo\~ao Pedro Maia·· 29 天前AI 评分42

VeriEvolve: 面向工具使用智能体的评估优先进化框架

VeriEvolve: Evaluator-First Evolution for Tool-Using Agents

AI 导读

该框架通过合成评估器和挑战性状态,将GLM-5.2在MCPMark文件系统任务上的外部验证成功率从6/30提升至18/30。 系统在30个评估器中包含141个挑战性状态,在保留状态上达成113/122一致性。 论文已被EMNLP 2026 REALM Workshop接收。

来源:arXiv · AI · arxiv.org