转 DAIR.AI：阿里巴巴与康奈尔关于编码智能体框架验证的好论文，值得收藏。如果你搭建智能体框架，这一篇值得…
阿里巴巴与康奈尔的研究者在 Terminal-Bench 和 SWE-bench Verified 上，用七个前沿编码模型比较了 17 种验证设计。独立评审智能体在 Terminal-Bench 上带来 5.9 至 9.5 分的提升，成本为基线的 1.13 至 1.25 倍；结尾的独立评审员单位成本精度最高。这一发现之所以重要，是因为验证设计本身，而不只是模型选择，就能以适度成本显著改变编码智能体的结果。
报道来源
- Elvis Saravia2026-10-27 15:20