研究团队在 arXiv 上更新了论文。团队从 45 个代码仓库留出 500 个智能体状态。每个状态都记录智能体已经读过哪些材料,评分要求一次补全下一步决策仍缺的全部证据,以避免多个高度相似的片段挤占上下文。
研究将候选发现与证据组合恢复分别计量。在八个单元的预算下,完整恢复率达到 80.6%;作者还测试了移除必要证据组后,两种执行器定位修复位置的变化。这些指标描述指定测试集和检索预算。
在最多取回五个证据单元时,MSS-Complement 在 73.0% 的测试状态中凑齐所需证据,比最强基线高 11.6 个百分点。
配图取自Feng, Zhexi 等的论文图 1,按 CC BY 4.0 使用,等比缩放。
