独立审查机制提升编码智能体准确率

阿里巴巴与康奈尔大学在论文《Rethinking Verification in Agent Harnesses》中发现，在编码智能体工作流中引入独立 critic 审查，可使准确率最高提升9.5分。 研究比较了17种验证设计，覆盖7个前沿编码模型，并以Terminal-Bench和SWE-bench Verified评测任务表现，另引入VisualBench评估视觉与交互产物。结果表明，验证环节采用独立审查机制，有助于提高编码智能体的任务准确率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。