Haiku-class model

LLM智能体使用并行探索进行代码变更定位

研究人员开发了一种新颖的方法，使LLM智能体能够定位用于代码变更的文件，从线性探索转向领域范围的并行策略。该方法在SWE Bench Pro基准测试中使用Ansible进行了测试，显示出性能的提高，其中一个Haiku类模型在其同类模型中取得了最高的微F1分数，并优于其他基线。研究还发现，文档演变仍然是一个挑战，并且朴素的文件系统访问会负面影响定位准确性。