arXiv · NLP· Ruotian Peng, Yuanyi Ren, Shuaiqi Liu, Xin Guo, Fang Zhu, Yangyi Huang, Yue Wu, Zheng Wang, Yandong Wen, Zhihang Fu·· 1 天前AI 评分36
VibeTraining-Bench: 数据-训练器-推理框架协同设计以推动迭代式系统优化
VibeTraining-Bench: Data-Trainer-Harness Co-Design for Iterative System Improvement
AI 导读
VibeTraining-Bench 评测递归自我改进（RSI）中的跨组件协同设计能力。在 SWE-bench Verified 上，GPT-6-Astra 将目标系统性能从 32.9% 提升至 53.7%。 该基准涵盖终端操作、软件工程、多轮工具使用及数学推理，采用测试隔离与网络限制防止奖励作弊。
来源：arXiv · NLP · arxiv.org