代码修补对抗与 AUI(Agent-native UI)研究

学术与工程研究展示利用对抗训练提升补丁鲁棒性与为智能体优化界面的研究进展。
Key insights
InfCode 用对抗式多智能体提升代码补丁鲁棒性
InfCode 框架把测试生成器与补丁生成器设为对抗双方,通过不断生成挑战性测试来强化补丁,减少回归并提高覆盖率。在 SWE-bench Verified 上报告达到 SOTA(79.4%),显示对抗迭代能发现常规测试难以覆盖的边缘 case(14211)。
AUI 提出以智能体为评判者改进 GUI,以提高任务可解性与导航成功率
AUI 项目构建 AUI-Gym(52 个应用、1560 任务)与 Coder-CUA 协作框架:Coder 生成 GUI、CUA 执行并反馈不可解任务与导航记录,使用 CUA Dashboard 将导航轨迹压缩为单图反馈,迭代改进后成功率显著提升,证明智能体更偏好简洁功能导向的界面(13721)。
训练后继续学习问题为模型长期能力提升的研究方向
相关论文指出诸如 ChatGPT、Gemini 等模型在训练后无法持续学习的问题,并提出解决思路,强调需要机制支持训练后持续更新与学习以提升长期能力(13379)。