arXiv cs.CL· Kai Mei, Zhiyuan Hu, Yutong Dai, Juntao Tan, Yifan Zhang, Dingjie Song, Dimitris N. Metaxas, Silvio Savarese, Ran Xu, Zeyuan Chen·· 9 天前AI 评分34
Opera：面向长时程编程智能体的语言化评论框架
Opera: A Verbal Critic Framework for Long-horizon Coding Agents
AI 导读
Opera 是一个语言化评论框架，把每次纠正当作持续跟踪的笔记，直到被诊断的问题真正解决，通过周期性及事件触发决定何时审查、用类型化算子诊断问题、在交付前对照可见证据审核反馈，并追踪智能体后续动作以区分表面服从与真正解决。
正文 · AI 翻译
摘要：长时程编码智能体需要及时的纠正，但当反馈误判正在进行的工作或未能解决根本问题时，反馈可能无效甚至有害。现有的批评者专注于评估轨迹并生成反馈，但很少追踪反馈交付后发生了什么。我们提出 Opera，一个言语批评框架，将每次纠正视为一条持久笔记，持续跟进直到所诊断的问题得到解决。Opera 通过周期性和事件驱动的触发器决定何时进行审查，使用类型化操作符诊断问题，在交付前依据可见证据审核反馈，并追踪智能体随后的行动，以区分单纯的服从与实际的解决。作为测试时批评者，Opera 在 Terminal-Bench 2.1、SWE-Bench Pro 子集和 DeepSWE v1.1 上，跨四个策略模型，将非批评者智能体的解决率分别提升最多 12.4、15.0 和 8.9 个百分点，并在所有三个基准上取得竞争性批评基线中最高的平均解决率，且在策略模型自我批评时也能提升策略模型。除推理之外，Opera 引导的 rollout 提供了近似 on-policy 的训练数据：在其上微调 Qwen3.5-9B，在推理时无批评者的情况下，将其在留出的 SWE-Bench Pro 仓库上的解决率提升 10.2 个百分点，与在更强模型的 rollout 上微调相当，同时在切换 harness（即从 Openhands 到 Terminus-2）时保持其性能，而后者会大幅降低性能。我们的代码可在以下网址获取：this https URL。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2609.33987 [cs.CL] |
| （或 arXiv:2609.33987v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.33987 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Kai Mei [查看电子邮件]
[v1]
2026年9月27日星期日 22:42:57 UTC（1,346 KB）
[v2]
2026年10月8日星期四 11:11:53 UTC（1,346 KB）
来源：arXiv cs.CL · arxiv.org