标签
本文介绍了一种自我调试技术，智能体通过迭代生成、执行和解释自身代码来发现错误，无需错误信息，准确率提升高达12%，并与生成10倍候选方案的基线持平。
EXPO-SQL 提出了一种细粒度的子句级策略优化方法用于 Text-to-SQL，通过执行反馈为每个子句而不是每个查询分配奖励，显著提升了性能，优于现有的监督微调和强化学习方法。
Evoflux 在推理时使用进化搜索来修复轻量级语言模型中失败的工具工作流，相比微调方法显著提升了执行可行性。
介绍GATE（从执行结果中测试后接地）方法，该方法从执行反馈中自举缺失的语义接地，以处理文本到SQL任务中未明确指定的用户短语，持续提升超越强基线。
CP-Agent 提出了一种借助大型语言模型的校准风险控制方法，用于反馈驱动型竞赛编程，无需参数更新即可在基准测试上取得显著改进。