★ 3
RegretBench 与 BackUpper：评测并补齐编码智能体备份意识
论文提出 RegretBench 基准，含 205 个源自用户「后悔未备份」场景的可执行任务。六个前沿模型平均完成 86.1% 任务，但仅 15.2% 会在关键修改前备份。作者提出 BackUpper 插件式备份层，检查每次工具调用并保存受影响状态，恢复相似度 92.2%，每任务成本仅 0.014…
arXiv cs.AI11 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 RegretBench 基准，含 205 个源自用户「后悔未备份」场景的可执行任务。六个前沿模型平均完成 86.1% 任务，但仅 15.2% 会在关键修改前备份。作者提出 BackUpper 插件式备份层，检查每次工具调用并保存受影响状态，恢复相似度 92.2%，每任务成本仅 0.014…