arXiv cs.AI· Zheye Deng, Sha Li, Changlong Yu, Xin Liu, Qin Lu, Priyanka Nigam, Yangqiu Song·· 8 小时前AI 评分36
ARBITER：用可验证反馈做智能体代码评判，35B MoE 验证器逼近前沿水平
Beyond the Verdict: Agentic Code Judging with Verifiable Feedback
AI 导读
研究者提出用可验证反馈进行智能体代码评判的任务，让模型仅凭题面和源码诊断候选程序，并以生成的反例作为可检查证据。基于 USACO 2026 竞赛构建的 USACO-JUDGE 基准上，35B MoE 智能体验证器 ARBITER 经强化学习训练后，错误程序反例成功率从 40.61% 升至 62.67%，二元判定准确率从 71.41% 升至 87.41%。
来源：arXiv cs.AI · arxiv.org