Did Codex Reset
GitHub

AutoCompact, 코딩 에이전트가 언제 컨텍스트를 압축할지 결정하도록 훈련

elvis

AutoCompact는 코딩 에이전트가 언제 컨텍스트를 압축할지, 어떤 작업 상태를 유지할지, 어떻게 재개할지 결정하도록 훈련한다. 판정자는 기본 에이전트의 압축 결정을 검토하고 실행되기 전에 결함이 있는 결정을 대체한다. 수정된 궤적은 지도 미세 조정에 사용되며, 이후 작업 성공 보상을 사용한 강화 학습이 코딩과 압축을 함께 훈련한다. 논문은 arXiv에 있다.

통과율은 SWE-bench Verified에서 9.2포인트, SWE-PolyBench Verified에서 5.0포인트 향상된다. 256K 창이 전혀 넘치지 않는 경우에도 이 향상은 유지되므로, 컨텍스트 공간이 한계가 아닐 때도 학습된 압축은 여전히 도움이 된다. 저자들은 이 사전 예방적 압축을 모델-하네스 공동 설계라고 설명한다. 하네스가 압축 메커니즘을 제공하고, 모델은 언제 호출할지, 무엇을 보존할지, 어떻게 계속할지 학습한다.

#autocompact#코딩-에이전트#컨텍스트-압축#swe-bench

UT Austin 연구, 토큰을 줄이는 컨텍스트 압축이 코딩 에이전트를 느리게 할 수 있어

UT Austin 연구는 SWE-bench Verified와 Terminal-Bench에서 약 35,000회의 코딩 에이전트 실행을 수행하며 컨텍스트 압축 방식, 압축 발동 시점, 삭제량을 달리했다. Qwen을 사용한 Terminal-Bench에서는 약 3분의 1의 토큰을 쓰는 정책이 전체 컨텍스트를 유지할 때보다 20%에서 80% 더 오래 걸릴 수 있다.

Taste-Bench 최고 모델, 더 나은 방향을 59.7% 선택

Microsoft와 동료들의 논문에 따르면, 최고 모델은 긴 엔지니어링·연구 과제에서 열려 있는 더 나은 방향을 고르는 Taste-Bench 문항의 59.7%를 맞힌다. 나중에 나오는 근거로 판가름나는 분기점은 훨씬 어렵고, 추론 예산을 늘려도 정확도는 오르지 않으며, 교사의 결과 판단을 증류하면 홀드아웃 SWE-bench Pro 성공률이 개선된다.

elvis: StepFun Step 5 Preview가 실제 코딩 작업 2건에서 GLM 5.3과 맞먹었다

elvis(@omarsar0)는 StepFun의 새로운 Step 5 Preview를 코딩 에이전트로 조기 테스트했다고 말한다. 그는 이 모델과 GLM 5.3이 모두 실제 저장소 작업 2건을 수정 라운드 없이 해결했고, Step 5 Preview는 작업을 확인한 뒤 중단했으며, 약 368K토큰 롱컨텍스트 테스트에서 숨겨진 단서 5개를 찾아냈다고 보고한다.

CMU 논문, 솔버를 바꾸지 않고 에이전트 하네스를 편집하는 4B 제안 모델 훈련

이 하네스 학습 논문은 강화 학습으로 제안 모델이 과제, 현재 하네스, 실행 보고서를 바탕으로 하네스 코드를 수정하도록 한다. 훈련된 4B 제안 모델은 Reasoning Gym 단일 단계 수정에서 35B 교사 모델을 능가하며, HotpotQA 훈련은 MuSiQue와 2WikiMultihopQA로 전이된다.