code-benchmarks

该论文提出 Contrastive Attribution Topology Search（CATS），通过 LLM 对比执行轨迹为多智能体系统中的单个智能体分配信用，逐步剪枝弱连接以构建紧凑且安全的团队，在 BigCodeBench 上提升 5.3 个百分点准确率并减少 54% 部署 token，同时在 HotpotQA 下毒测试中成功剔除全部对抗性智能体。

本文介绍了Lightning Weave，一个通过在线策略蒸馏将独立训练的推理能力组合成单一高效模型的框架，从而在数学和代码任务中提高准确率并减少令牌使用。