יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

StateTape: מודל לניהול ראיות לסוכנים מקודדים

StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon Coding Agents
StateTape הוא מודל חדש שמאפשר ניהול ראיות יעיל יותר עבור סוכנים מקודדים. המודל משתמש בגרף קוד סמלי כדי לעקוב אחרי שינויים בקוד ולזהות ראיות שהשתנו. התוצאות מראות ש-StateTape יכול לשפר את קצב הפתרון של סוכנים מקודדים.
תקציר מקורי באנגליתarXiv:2609.36319v1 Announce Type: new Abstract: Despite the recent success of coding agents built on large language models, it remains challenging to run them over long horizons, since every observation is appended to the context and the context grows with each one. History-based maintenance is a common remedy, which masks or summarizes old observations, or prunes what a model reads as useless, and bounds the context at little cost. However, it decides from the text of the history alone and sees nothing of how the code is connected. Since a coding agent edits code many times over a single task, and each write can change what code elsewhere means, such maintenance may keep records a write has falsified, drop ones that still hold, and miss code the agent needs next. To overcome these challen
קרא במקור המקורי