Later Stage Bonus Reward

新AI代理Marathoner掌握超长周期任务

研究人员开发了Marathoner，一个专为超长周期任务执行设计的自主代理模型。该模型利用一个训练后管道，从大型GitHub拉取请求中合成挑战性任务，并将它们链接起来以达到前沿水平的难度。Marathoner采用了一种新颖的奖励策略，即后期奖励（Later Stage Bonus Reward），以鼓励持续努力，并在需要长时间执行和大量工具调用的基准测试中，展示出比基础模型甚至专有模型更优异的性能。