arXiv · AI· Jayant Parashar, Eugene F. Douglass, William C. Bastian, Suchendra M. Bhandarkar·· 3 天前AI 评分45
Vestrum:从少量长轨迹中学习智能体框架的验证、检索与结构优化
Vestrum: Learning the Verification, Retrieval and Structure of Agent Harnesses from a Few Long Episodes
AI 导读
Vestrum 通过改进现有智能体框架组件,从 1 到 10 个长开发轨迹中学习,在五个设置中提升了未见任务的性能。 在 Claude Code 上,Vestrum 将 Terminal-Bench 4 Hard 从 63.7% 提升至 70.3%,在 GAM 系统上将 UltraHorizon 从 47.6 提升至 59.8,且泛化过滤器防止了过拟合。
来源:arXiv · AI · arxiv.org