ARBITER智能体验证器与USACO-JUDGE基准
热点事件持续更新
ARBITER智能体验证器与USACO-JUDGE基准
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者提出一项智能体代码评判任务：模型仅凭题面和源码诊断候选程序，并生成反例作为可检查证据。基于 USACO 2026 竞赛构建的 USACO-JUDGE 基准，用于评测这类验证器。 作者称，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%。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIARBITER：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
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。