Agents de codage auto-évolutifs via optimisation récursive
En bref
- Self-HPO optimise récursivement politique et environnement d'agents de codage.
- Améliore le taux de résolution de Qwen3.5-35B-A3B de 57,8% à 64,8% sur trois benchmarks.
- Les gains se généralisent aux tâches hors distribution et dépassent la somme des améliorations individuelles.
Une nouvelle méthode, Self-HPO, permet aux agents de codage basés sur des LLM de s’améliorer en optimisant simultanément leur politique et leur environnement d’interaction. Les résultats montrent des gains significatifs sur trois benchmarks, avec une généralisation aux tâches inédites.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur