跳到主要内容
检索

Alberta Machine Intelligence Institute

2 篇关联报道

订阅更新
  1. arXiv

    RucTangle让编码智能体生成的补丁拆分为每个提交都可运行的提交历史,并在回归修复中把pass@1平均提升16.6%

    该工作提出RucTangle,一种智能体式提交拆分方法:它按开发目的对补丁中的改动分组并排序,逐个应用提交并检查代码是否仍可运行,失败时先调整顺序、再让智能体重新分组、最后合并相邻提交,同时保持最终代码不变;在131个智能体生成的补丁上,RucTangle是唯一全部重建原补丁且每个提交后代码均可运行的方法,中位数为8个提交,而基线有20.6%–37.4%的历史至少含一个不可运行版本。作者还提出TangleEval,用453个引入回归的补丁让两个编码智能体修复,加入RucTangle历史与git bisect结果后pass@1从26.9%升至31.3%、从30.8%升至36.0%。

  2. arXiv

    预测正确、步骤错误?用共识推理知识图谱合成更稳健的思维链

    该工作先通过 PRMBench 与 ROSCOE 上的对照实验表明,向模型提供正确答案在多数设置下并不能稳定提升推理质量,据此把推理缺陷归因于推理轨迹的结构而非答案可知性,并提出 CRAFT:对每个样本采样 K 条候选轨迹,用 TF-IRF 提取共识术语并以 z-score 过滤步骤,将各轨迹转成以步骤为节点、逻辑关系为边的推理知识图谱并聚合为共识图谱,再按拓扑序逐步合成一条新轨迹;在 FLD、FOLIO、GSM8K、OlympiadBench 上,CRAFT 在 GPT-5.4-nano 与 o4-mini 两个骨干下取得最高或次高的标签预测准确率,并在 OlympiadBench 上以更少步骤同时取得最高准确率,其合成轨迹在 RO

已读完全部报道