缓存轨迹实现高效智能体评估

1. 13:00
   arXiv · AI

   利用缓存轨迹实现任务高效的智能体评估

   研究提出用 LLM 提取轨迹结构化摘要并经文本编码器嵌入，构建低维系统表示以预测新系统评分。 该方法在 SWE-bench Verified 和 Terminal-Bench 2.0 上将平均绝对误差分别降至 0.08 和 0.12。 通过几何预测增强项目响应模型，在给定参考系统集时表现优于基线。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。