arXiv 人工智能· Jingzhe Liu, Jiliang Tang, Tong Zhao, Neil Shah, Clark Mingxuan Ju·· 2 小时前AI 评分38
通过逐级竞速实现智能体测试套件演化：SSR 框架将更多任务转化为更优套件
Forging More Tasks into Better Harnesses: Agentic Harness Evolution via Successive Scale Racing
AI 导读
研究人员提出名为 SSR 的智能体测试套件演化框架，通过在小算力预算下自适应搜索最优证据组合并开展竞速，解决任务池扩大导致性能下降的悖论。该框架在 3 个基准测试的全部 6 种配置中取得 SOTA 表现。当任务池从 40 扩展至 200 时，SSR 将通过率从 64.3% 稳步提升至 68.3%，同时减少了 60% 的验证执行量。
来源：arXiv 人工智能 · arxiv.org