跳到正文
原文
arXiv:cs.AI(全量分类)· Ziyang Yu, Liang Zhao, Bowen Zhu, Hasibul Haque·· 1 天前AI 评分40

StateTape:面向长程编程智能体的动作条件证据生命周期建模

StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon Coding Agents

AI 导读

针对长程编程智能体上下文随观察不断增长的问题,论文提出 StateTape 框架,将仓库建模为符号级代码图,用 tape 标记每次写入改动的符号,把过时判断从文本推断变为对写入的观察。该方法配合小型 manager 模型处理写入日志无法确定的部分,并给出理论分析与 TraceBench 基准。在六个编程智能体和三个编辑密集型基准上,StateTape 均取得更高解决率且计算开销很小。

来源:arXiv:cs.AI(全量分类) · arxiv.org