Экзокритика: Учитесь проверять, тестировать на усовершенствование для кодирующих агентов

arXiv: 2609.09133v1 Annuales Type: кросс-бюллетень: Отзывы выполнения могут направлять агентов кодирования к правильному ремонту хранилища, но только когда тесты зафиксируют поведение, требуемое в выпуске. Тесты агентов могут кодировать неполные или ошибочные поведенческие цели; когда одна и та же траектория пишет как пятно, так и тест, их ошибки могут совпадать и создать ложную уверенность. Мы представляем ExecCritic, сочетающий тест-проверку-редакцию с рецептом дополнительного обучения для тренировочных агентов внутри. Этот шкафчик отделяет испытательное сооружение от ремонта исходного кода: тестовый агент самостоятельно производит испытания на репозитории, незакрытый жгут удовлетворяет требованиям и блокирует их, а ремонтный агент пересматривает исходный код по результатам проверки без изменения результатов испытаний. Обе роли используют Qwen-3.5-35B-A3B в качестве опоры и обучаются отдельно. В ходе испытания испытательный агент учится проводить тесты, которые позволяют отличать правильность от инкорр.