清华大学的研究人员开发了一种名为CompactionRL的新强化学习方法，该方法在SWE-bench基准测试上将AI编码代理的性能提高了7个点。该方法使长周期AI代理能够压缩自己的上下文，从而在编码任务上获得更好的性能。此外，还引入了Cortex框架，该框架将32个机器人技能链接起来，通过连接AI规划和机器人执行来处理长周期任务。 AI
影响 AI代理的这些进步可能导致更强大的编码助手和更复杂的机器人系统，以应对复杂的长周期任务。
排序理由 该集群描述了AI方法（CompactionRL）和机器人技术新框架（Cortex）的新研究。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
CompactionRL lifts AI coding agents 7 points on SWE-bench Tsinghua's reinforcement learning method teaches long-horizon AI agents to compress their own context, lifting open models on coding benchmarks and entering GLM https://www. notatechguy.com/compactionrl-l ifts-ai-coding-ag…
Cortex framework chains 32 robot skills for long-horizon tasks Cortex bridges AI planning and robot execution with 32 skill primitives, enabling zero-shot multi-stage chemistry experiments without task-specific training. https://www. notatechguy.com/cortex-framewo rk-chains-32-ro…