TEX：基于执行交叉验证的测试智能体扩展框架
原文标题：TEX: Test-Time Scaling Testing Agents via Execution-based Cross-Validation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 TEX 协作式测试时扩展框架，让多个智能体并行生成测试与补丁，通过交叉执行构建 K×K 反馈矩阵进行客观验证。在 SWT-Bench Verified 上达到 86.4% 新 SOTA，比单智能体基线提升 9.0%，表明执行反馈是长程智能体任务的有效扩展机制。
- 问题
- 测试用例生成的长程任务中，现有测试时扩展方法要么隔离候选要么聚合轨迹，难以扩展。
- 方法
- 多智能体并行生成测试与补丁，交叉执行构成 K×K 反馈矩阵，各智能体用矩阵切片迭代改进，无需共享冗长轨迹。
- 结果
- SWT-Bench Verified 上达 86.4% 新 SOTA，比单智能体基线提升 9.0%；随机选取输出也有 84.4%，超过此前 84.0%。
- 影响
- 证明执行反馈是长程智能体任务的有效扩展手段，做代码测试生成或 agent 扩展的团队可直接落地。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TEX用K×K交叉执行验证做测试时扩展，SWT-Bench Verified达86.4%新SOTA
- •多智能体并行生成测试与补丁，交叉执行构成K×K反馈矩阵，各智能体用矩阵切片自我修正
- •SWT-Bench Verified上86.4%，比单智能体基线提升9.0%
- •随机选取TEX输出也有84.4%，超过此前SOTA的84.0%，说明提升来自解法质量而非挑最好样本
- •无需共享冗长推理轨迹，靠执行结果做客观验证
为什么重要：为长程智能体任务提供了一种可复用的扩展机制：用执行反馈替代轨迹聚合，工程上更易落地。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。