arXiv cs.CY· Sihao Liu, Ligeng Zhu, Zijian Zhang, Dongyun Zou, Zhengyang Zhang, Changye Li, Song Bian, Song Han, Tony Nowatzki·· 10 天前AI 评分62
Humanize：面向智能体编码的判断工程多智能体编排工作流
Humanize: Judgement Engineering for Agentic Coding
AI 导读
论文提出 Humanize，一种围绕判断工程构建的智能体编码多智能体编排工作流，在规划、实现、评审与学习之间设置显式且机械执行的决策边界。人类批准计划契约，builder 智能体分轮实现，来自另一厂商的 reviewer 智能体判定是否完成，由确定性 hook 而非模型在角色间路由工作并执行 72 道机械门。
正文 · AI 翻译
摘要：智能体编码让代码生成变得廉价，但可靠地完成任务仍然困难：编写代码的智能体难以判断任务是否已完成。
我们提出 Humanize，一种面向智能体编码的多智能体编排工作流，围绕判断工程构建：在规划、实现、审查和学习之间的边界上做出明确、机械强制的决策。由人类批准计划契约，构建智能体分轮次实现它，来自另一家厂商的审查智能体决定是否完成；在这些角色之间路由工作并执行 72 道机械门禁的是确定性钩子，而非模型。将其视为仓库状态上的马尔可夫链，构建智能体与审查智能体交替采样，联合来自两个模型，因此缺陷只有在两者都漏掉时才能存活。我们通过其部署、118 份真实循环的公开事后复盘及其应用来研究 Humanize。在 108 天内的 68 个版本中，它获得了 1,468 个 GitHub 星标。
应用包括：在上游审查下进行的 567 文件 gem5 构建系统迁移；Kernel Design Agents，它通过内核知识库和性能分析反馈扩展该循环，并在 MLSys 2026 FlashInfer 竞赛的全部三个 Full-Agent 赛道中进入前三；以及通过 Humanize Olympiad Agents（HOA），在 IOI 2026、IMO 2026、IPhO 2026 和 IBO 2024 中取得满分，在 IChO 2026 中取得 418.5/437（金牌）。Humanize 还在 PutnamBench 上取得 672/672，并在 Lean-Eval 排行榜上排名第一（251/303），即使与专业数学家竞争也是如此。事后复盘表明，独立审查能发现构建智能体无依据的声明，但停止仍然是一个关键弱点。在按阶段区分轮次的报告中，三分之二的轮次发生在实现被接受之后。这些证据是观察性的，并非对工作流的受控比较。
| Subjects: | 人工智能（cs.AI）；计算机与社会（cs.CY） |
| Cite as: | arXiv:2610.08900 [cs.AI] |
| （或 arXiv:2610.08900v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08900 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Sihao Liu [查看电子邮件]
[v1]
2026年10月6日星期二 17:54:42 UTC（266 KB）
来源：arXiv cs.CY · arxiv.org