★ 3
Memdoor 用 5 个 Qwen3.8-27B 智能体在 LiveCodeBench Hard 追平 Fable 5
开发者以 Memdoor 工作流复现 GVS5H 方法，用规划、构思、求解、管理等五个角色的 Qwen3.8-27B 智能体通过磁盘文件协作，在 LiveCodeBench Hard 前十题五轮测试中平均得分 9.8，高于原作者 harness 的 9.6 与 Fable 5 单模型的 8.0。作…
Hacker News1 天前
#代码基准
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究：五个 Qwen3.8-27B 实例借 GVS5H 编排追平 Fable 5
一项研究提出基于账本的零样本自编排方法，让同一模型的多个实例通过共享文件系统分解问题并协同求解。在 LiveCodeBench 100 道难题上，编排后的 Qwen3.8 Flash Next 以 9% 成本达到 93.0% pass@1，超过 Fable 5 的 90.4%；本地部署的 Qwen…
Hacker News8 天前
★ 3
Evo² 框架发布：权重与 Harness 协同自进化智能体
研究者提出 Evo²，一个让智能体模型权重与 Harness（提示、工具、上下文、执行反馈）协同自进化的框架。Harness 更新采用单一策略兼任 Proposer 与 Reflector 的双角色流水线，权重更新则由 Harness 修改及其执行结果驱动，并配套 EvoTIDE 训练流程（SFT…
arXiv NLP21 天前
这个主题的相关资产
相关公司阿里巴巴1