提出Successive Scale Racing框架

发生了什么

据arXiv cs.AI发布，研究提出Successive Scale Racing (SSR)框架，通过自适应搜索证据组合解决智能体任务扩展时的性能退化问题。该框架基于任务质量和覆盖构建证据组合，并在小计算预算下高效竞争候选 harnesses。实验显示，SSR在三个基准测试中均取得最优结果，任务池从40增至200时，SSR的通过率从64.3%提升至68.3%，而基线方法性能下降。其 racing 机制还能减少60%的验证执行。