ИССЛЕДОВАНИЕ · RESEARCH · #2459
Препринт: оценка предлагаемых правок кода для управления рекурсивным самоулучшением кодирующих агентов
Препринт (arXiv:2610.29121v1) предлагает методики для недорогой оценки предлагаемых правок каркаса агента до их выполнения: линейный readout на основе скорости решения «steering‑split» родителя и признаков диффа правки, а также схему выбора Huxley–Gödel Machine (Thompson sampling) для расширения правок. На разбиениях HumanEval+ и Polyglot двенадцать запусков GPT‑4o вернули узел с 87,0% по удержанной части HumanEval+ (против 84,2% у абляции parent‑rate); Huxley–Gödel selection — 85,1%, Claude Sonnet 4.5 — 86,6% на том же разбиении, приведены сравнения с корнем и лучшей калибровочной правкой.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Препринт (arXiv:2610.29121v1) предлагает методики для недорогой оценки предлагаемых правок каркаса агента до их выполнения: линейный readout на основе скорости решения «steering‑split» родителя и признаков диффа правки, а также схему выбора Huxley–Gödel Machine (Thompson sampling) для расширения правок.
- На разбиениях HumanEval+ и Polyglot двенадцать запусков GPT‑4o вернули узел с 87,0% по удержанной части HumanEval+ (против 84,2% у абляции parent‑rate); Huxley–Gödel selection — 85,1%, Claude Sonnet 4.5 — 86,6% на том же разбиении, приведены сравнения с корнем и лучшей калибровочной правкой.
- Метод обеспечивает практичный и недорогой способ ранжирования правок для самоизменяющихся кодовых агентов и показывает конкурентные результаты с современными LLM, что важно для автоматизации и безопасности рекурсивного самоулучшения.
ПОЧЕМУ ЭТО ВАЖНО
Метод обеспечивает практичный и недорогой способ ранжирования правок для самоизменяющихся кодовых агентов и показывает конкурентные результаты с современными LLM, что важно для автоматизации и безопасности рекурсивного самоулучшения.