★ 3
Probe-and-Resume：智能体执行评估的新方法
研究提出 Probe-and-Resume 方法，针对终端计算机使用环境中 MCTS 搜索效果不佳的问题，改为仅在智能体认为完成时调用 critic，并赋予其读写执行权限以探测隐藏状态。在 Terminal-Bench 2.1 上成功率较传统 MCTS 提升8.4个百分点，成本不到 Codex C…
arXiv cs.AI17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出 Probe-and-Resume 方法，针对终端计算机使用环境中 MCTS 搜索效果不佳的问题，改为仅在智能体认为完成时调用 critic，并赋予其读写执行权限以探测隐藏状态。在 Terminal-Bench 2.1 上成功率较传统 MCTS 提升8.4个百分点，成本不到 Codex C…