实体
ACPBench-Hard
ACPBench-Hard
PulseAugur coverage of ACPBench-Hard — every cluster mentioning ACPBench-Hard across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的CoEvoke框架增强了多智能体协作训练
研究人员开发了CoEvoke，一个旨在通过收集更具信息量的轨迹来改进多智能体协作训练的新框架。该框架引入了受控扰动和基于参考的指导，以鼓励智能体在任务完成过程中进行检查、反馈和修复。由此产生的包含软件工程和推理任务中4,567条轨迹的数据集表明，这种丰富的训练数据显著提高了智能体在ACPBench-Hard和SWE verifier任务等基准测试中的性能。
-
研究发现大型语言模型规划能力分为两种不同的能力
一篇新的研究论文提出，大型语言模型（LLM）在规划任务上的表现差异，并非完全归因于任务难度，而是反映了两种不同的潜在规划能力。该研究在 ACPBench-Hard 数据集上进行，确定了这两种能力为“操作推理”和“结构枚举”。虽然操作推理能力会随着模型规模的扩大和推理预算的增加而提高，但结构枚举能力似乎对这些因素不太敏感，这表明需要对大型语言模型的规划能力进行更细致的评估。