跳到主要内容
检索

Jalaj Bhandari

1 篇关联报道

订阅更新
  1. arXiv

    智能体每步先挑再执行:Turn-BoN 在终端任务上把通过率抬高 5–10%,步数减半

    长程智能体每一步只执行一个动作,动作从随机策略里采样,因此同一任务有时成功、有时失败。Turn-BoN 在每一步先让生成模型给出多个候选动作,再由一个现成的开源大模型作为选择器挑出其中一个执行,选择发生在环境执行之前。在 Terminal-Bench v2.1 的终端任务上,以 Qwen3.6-35B 和 K2-Horizon-375B 为生成模型时,平均 pass@1 提升 5–10%,重复尝试的一致性也提高,解题所需轮数比基线少约 40–50%,代价是每条轨迹的总 token 约为基线的 3–6 倍。

已读完全部报道