12:32
官方账号arXiv cs.LG@Fanzhe Meng, Guoxin Chen, Jiale Zhao, Shuang Sun, Zhiyu Lin, Wayne Xin Zhao, Ruihua Song, Ji-Rong Wen, Kai Jia
推荐理由：想给智能体造训练任务？CalibForge 让多个求解器互相挑毛病来调任务难度，比人工标靠谱，Terminal-Bench 上能涨二十多个点。
Doc2Repo
共 1 条相关 AI 资讯
8月7日
12:32
CalibForge 是一种自动终端任务合成系统，利用验证过的求解器行为，通过对抗性求解器校准来修订候选任务。多求解器校准针对异构求解器池的分歧，对比求解器校准则针对强通过/弱失败关系。该系统构建了5,431个校准终端任务。在Terminal-Bench 2.0上，基于完整集合训练的模型达到32.58%和47.57%的成绩。相比基础模型，最大提升分别达24.71个百分点（Terminal-Bench 2.0）、27.68个百分点（SWE-bench Pro）和30.04个百分点（Doc2Repo）。