★ 3
TEX：基于执行交叉验证的测试智能体扩展框架
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。
arXiv cs.AI12 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。
论文研究从 M 个含噪无偏评分中取最大值导致的赢家偏差，确定了独立非同分布与两两非负相关噪声两类情形下的紧常数，并在 448 个模型与分类器选择流程上验证。所有定理均在 Lean 4 中形式化验证，并给出交叉验证估计偏差的紧界。