arXiv · cs.CL· Yuechen Luo·· 12 天前AI 评分43
OPRD：面向长程编码智能体的在线策略提醒蒸馏方法
OPRD: On-Policy Reminder Distillation for Long-Horizon Coding Agents
来源与原文
arXiv · cs.CL
作者：Yuechen Luo
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.21496v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 On-Policy Reminder Distillation（OPRD），通过 Multi-Scope Reminder 监督结合基于结果的路由，改进仓库级长程编码智能体。在 SWE-bench Verified、SWE-bench Pro 和 SWE-bench Multilingual 上，OPRD 较开源 Qwen3.5-4B 基线平均任务解决率提升 11.3 个百分点，聚合错误事件数从 446 降至 222，减少 50.2%。推理阶段学生模型无需 Reminders 即可运行。
来源：arXiv · cs.CL · arxiv.org