论文页面 - Opera：面向长周期编程智能体的言语批评家框架

来源：https://huggingface.co/papers/2609.33987 发布于 10 月 8 日

·

由 https://huggingface.co/dongyuanjushi 提交

KaiMei (https://huggingface.co/dongyuanjushi) 于 10 月 9 日发布

摘要

长周期编程智能体需要及时的纠正，但当反馈误判了正在进行的工作或未能解决根本问题时，反馈可能无效甚至有害。现有的批评家方法主要聚焦于评估轨迹和生成反馈，却很少追踪反馈发出之后发生了什么。我们提出 Opera——一个言语批评家框架，它将每次纠正视为一条持久的记录，并持续追踪，直到被诊断出的问题得到解决。Opera 通过周期性触发和事件驱动触发来决定何时进行审查，使用带类型的算子诊断问题，在反馈送达前依据可见证据对反馈进行审核，并追踪智能体后续的行为，以区分单纯的服从与真正的解决。作为一个测试时批评家，Opera 将非批评家智能体的解决率在 Terminal-Bench 2.1、SWE-Bench Pro 子集和 DeepSWE v1.1 上分别提升至多 12.4、15.0 和 8.9 个百分点（跨四个策略模型），并在所有三个基准上均取得有竞争力批评家基线中最高的平均解决率，当策略模型进行自我批评时也能带来提升。除了推理之外，由 Opera 引导的 rollout 提供了近似同策略（on-policy）的训练数据：在其上微调 Qwen3.5-9B，可使其在留出的 SWE-Bench Pro 仓库上的解决率提升 10.2 个百分点，且推理时无需批评家，其效果与使用更强模型生成的 rollout 进行微调相当；同时在更换运行框架（harness），即从 Openhands 切换到 Terminus-2 时仍能保持性能，而后者会显著导致性能下降。我们的代码已开源：https://github.com/dongyuanjushi/Opera。

查看 arXiv 页面 (https://arxiv.org/abs/2609.33987) · 查看 PDF (https://arxiv.org/pdf/2609.33987) · GitHub1 (https://github.com/dongyuanjushi/Opera) · 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.33987)

在你的智能体中获取此论文：

hf papers read 2609.33987

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2609.33987 即可将其关联到此页面。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.33987 即可将其关联到此页面。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2609.33987 即可将其关联到此页面。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可将其关联到此页面。