ИССЛЕДОВАНИЕ · RESEARCH · #2307
TEX: валидация на исполнении для масштабирования агентов во время теста
TEX — совместная схема масштабирования во время теста, которая параллелит агентов для генерации тестов и исправлений и перекрёстно исполняет каждый тест с каждым патчем, формируя K×K матрицу обратной связи для доработки без обмена длинными трассами. В препринте arXiv (2610.27290v1) TEX достигает 86.4% на SWT-Bench Verified (+9.0% по сравнению с одноагентными базами), и даже случайный выбор из выходов TEX (84.4%) превосходит предыдущий SOTA (84.0%).
КЛЮЧЕВЫЕ ТЕЗИСЫ
- TEX — совместная схема масштабирования во время теста, которая параллелит агентов для генерации тестов и исправлений и перекрёстно исполняет каждый тест с каждым патчем, формируя K×K матрицу обратной связи для доработки без обмена длинными трассами.
- В препринте arXiv (2610.27290v1) TEX достигает 86.4% на SWT-Bench Verified (+9.0% по сравнению с одноагентными базами), и даже случайный выбор из выходов TEX (84.4%) превосходит предыдущий SOTA (84.0%).
- Работа показывает, что обратная связь, основанная на исполнении и перекрёстном запуске между параллельными агентами, заметно улучшает генерацию тестов для долгих задач и устанавливает новый результат на бенчмарке.
ПОЧЕМУ ЭТО ВАЖНО
Работа показывает, что обратная связь, основанная на исполнении и перекрёстном запуске между параллельными агентами, заметно улучшает генерацию тестов для долгих задач и устанавливает новый результат на бенчмарке.