FLARE: Un paradigma de supervisión densa de ciclo de vida completo para agentes de codificación a largo plazo a través de un modelo de recompensa generativa

Resumen del corpus

Se presenta FLARE, un nuevo paradigma de supervisión densa impulsado por un Modelo de Recompensa Generativa (GRM) ligero, diseñado para mejorar los agentes de LLM en ingeniería de software a largo plazo. Este enfoque utiliza un marco de diagnóstico causal para proporcionar retroalimentación de riesgo en tiempo real y optimizar el agente a lo largo de su ciclo de vida. Las evaluaciones demuestran que FLARE supera a métodos existentes, logrando reducciones significativas en el consumo de tokens y mejorando el rendimiento en SFT y RL.

Periodista: Jingxuan Xu, Gang Wu, Yanan Wu, Yutao Mou, Songwei Yu, Tianzhuang He, Zhengshuo Gong, Zhao Liu, Zihang Xu, Wenqiang Zhu, Xinping Lei, Weihao Li, Ziqi Miao, Yuhui Bai, Zhongqiu Wang, Yan Wu, Ariel Deng

Noticia original

Ver todas las noticias de arXiv Computer Science AI