arXiv 自然语言处理· Jihan Yao, Sihan Zeng, Shangbin Feng, Zhiyuan Fan, Banghua Zhu, Yulia Tsvetkov·· 2 天前AI 评分44
在 Rollout 结束前：面向长周期代码智能体的早期终端奖励预测 CER
Before the Rollout Ends: Early Terminal Reward Prediction for Long-horizon Coding Agents
AI 导读
研究人员提出 Contextual Early Reward（CER），通过轨迹前缀中的行为证据为长周期代码智能体提前预测终端奖励。
来源：arXiv 自然语言处理 · arxiv.org