aifollow.news
← 热点榜实质进展 11月20日 05:05
STORY IN FOCUS

谷歌研究:让 AI 智能体修改自身运行框架,编程任务成功率从 5% 升至 40%

谷歌研究人员提出让优化模型逐次修改智能体运行框架的单个模块,并用验证集决定是否保留改动。在采用 Gemini 3.8 Flash、包含 40 道未参与优化任务的 SWE-bench Lite 测试中,成功率由 5.0% 升至 40.0%,平均每题消耗约 4.67 万 Token。结果仍限于特定模型和软件工程任务,不能推广到所有智能体应用。

1 次进展2 篇报道2 个来源

事件进展

同一次发生的报道合为一个节点,后续进展单独记录。

Google 论文测试代理框架自我改进:分模块验证改动可控制令牌成本

研究让优化模型逐次修改一个 142 行编程代理框架的四个模块之一,并用验证集和令牌上限筛选改动。在 Gemini 3.8 Flash 的 40 道留出测试题上,这一方案解决率为 40.0%,每题使用 46.7k 令牌;不经检查的整体重写解决率为 42.5%,但每题使用 451.6k 令牌。

查看来源报道 · 2 个来源 · 2 篇报道
全部报道 · 2

按来源发布时间排列,保留各报道的收藏与反馈。

IT之家 科技新闻

谷歌研究:让 AI 智能体修改自身运行框架,编程任务成功率从 5% 升至 40%

谷歌研究人员提出让优化模型逐次修改智能体运行框架的单个模块,并用验证集决定是否保留改动。在采用 Gemini 3.8 Flash、包含 40 道未参与优化任务的 SWE-bench Lite 测试中,成功率由 5.0% 升至 40.0%,平均每题消耗约 4.67 万 Token。结果仍限于特定模型和软件工程任务,不能推广到所有智能体应用。

Rohan Paul (@rohanpaul_ai)

Google 论文测试代理框架自我改进:分模块验证改动可控制令牌成本

研究让优化模型逐次修改一个 142 行编程代理框架的四个模块之一,并用验证集和令牌上限筛选改动。在 Gemini 3.8 Flash 的 40 道留出测试题上,这一方案解决率为 40.0%,每题使用 46.7k 令牌;不经检查的整体重写解决率为 42.5%,但每题使用 451.6k 令牌。