arXiv · cs.AI· Lin Wu, Shu Yao, Yuheng Wang, Jingru Fan, Huatao Li, Yihan Li, Liu Yixuan, Cheng Liu, Jian Chang, Zeyu Zhao, Aohua Zhang, Huiying Zhao, Shuyuan Zhu, Chen Qian·· 12 小时前
CoEvoke诱导多智能体协作轨迹采集框架
CoEvoke: Evoking Multi-Agent Collaboration for Trajectory Collection
arXiv:2610.14021v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Lin Wu, Shu Yao, Yuheng Wang, Jingru Fan, Huatao Li, Yihan Li, Liu Yixuan, Cheng Liu, Jian Chang, Zeyu Zhao, Aohua Zhang, Huiying Zhao, Shuyuan Zhu, Chen Qian
研究任务与主要进展
CoEvoke提出一种跨领域多智能体轨迹采集框架，通过可控扰动制造可恢复困难，并用受限的参考引导促进检查、反馈和修复。该数据集包含4,130个软件工程与推理任务上的4,567条可重建轨迹；基于论文摘要，在相同训练任务、决策记录数和更新次数下，扰动增强的裁判训练使ACPBench-Hard成功率从35.38%提升至42.12%，SWE验证器训练较接口匹配的未训练参考提升7.60—9.40个百分点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org