Бинарлы верификацияланған сыйақылардан артық: SWE агенттері үшін мінез-құлықтық өзі-өзі сыйлау
arXiv:2610.12598v1 Жариялау түрі: жаңа Анотация: Тексерілетін сыйақылармен күшейту оқытуы (RLVR) орындалатын тестер арқылы бағдарламалық инженерия агенттеріне сенімді бақылау қамтамасыз етеді, бірақ бинарлы сыйақылар елеулі түрде әртүрлі траекторияларды бөлектеуде жеткіліксіз...
AI қорытындысы: Басты тезистер
- arXiv:2610.12598v1 Жариялау түрі: жаңа Анотация: Тексерілетін сыйақылармен күшейту оқытуы (RLVR) орындалатын тестер арқылы бағдарламалық инженерия агенттеріне сенімді бақылау қамтамасыз етеді, бірақ бинарлы сыйақылар елеулі түрде әртүрлі траекторияларды бөлектеуде жеткіліксіз...
Бинарлы верификацияланған сыйақылардан артық: SWE агенттері үшін мінез-құлықтық өзі-өзі сыйлау
Ұқсас материалдар
Рекурсивті агенттер кодтау үлгісін шығарды
🌟 Recursive кодтау агенттерінің үлгісін шығарды Ричард Сочер негізін қалаған және мамыр айында 650 миллион доллар инвестициямен көлеңкеден шыққан Recursive Superintelligence стартапы өзінің алғашқы үлгісін көрсетті - Флинт. Рекурсивті мұндай ақшаны бірінші үлгіге дейін алды, негізінен ...
Антропиктердің негізін қалаушы Джек Кларк 2027 жылға дейін өзін-өзі жетілдіретін AI туралы болжамын алға жылжытады.
P-Zero Research компаниясының жаңа эталоны AI модельдерінің тәжірибелерді өз бетінше жобалап, бағалайтынын өлшейді. Нәтижелер тез жақсарып жатқаны сонша, Anthropic компаниясының негізін қалаушы Джек Кларк өзін-өзі жетілдіретін AI 2027 жылға қарай келеді деп ойлайды. Anthropic негізін қалаушы Джек Кларк мақаласы…
Сэм Альтман жасанды интеллект саналы екенін ешкім білмейтінін мойындады
Сэм Альтман жасанды интеллекттің санасы бар-жоғын ешкім білмейтінін мойындады OpenAI бас директоры Сэм Альтман бүгінгі таңда заманауи нейрондық желілерде сана бар-жоғын ешкім нақты айта алмайды. «Мен анық айтқым келеді: шын мәнінде, ешкім ...
Anthropic бір AI агенті көптеген субагенттерді жеңетінін айтады, сондықтан модельдер күрделілікті жалғыз шеше алады
Anthropic компаниялар қосалқы агенттерді сұраныс бойынша контекстті жүктейтін бір агентке біріктіре алатынын бағалауы керек дейді. Архитектураны бір салыстыруда жалғыз агентті орнату екі есе жылдам жұмыс істеді. Anthropic GitHub сайтында командаларға көмектесу үшін көші-қон жинағын шығарды ...