#SWE-bunch

2 статьи
arXiv AI
arXiv AI

Исполняемые значения префикса для выявления сбоев агента

arXiv: 2610.17633v1 Annualce Type: новый резюме: Работа над отладкой агентов LLM рассматривает "первую ошибку", отмеченную человеком или судьей LLS, как наземную истину в случае неудачи траектории. Мы...

arXiv AI
5
Читать
arXiv Machine Learning
arXiv Machine Learning

Замороженные судьи, передвижные агенты: ошибка в версии-защите-судья и пределы оценки судей-поощренных агентов

arXiv: 26009,34198v 1 Annualce Type: новый резюме: судьи из моделей языка сравнивают усовершенствования агента со своими предшественниками, но постоянный судья может совершать ошибки в зависимости от ...

arXiv Machine Learning
Читать