arXiv · cs.AI· Yi Wang, Haopeng Zhang, Chengxiang Huang, Rui Dai, Kaikui Liu, Piotr Koniusz, Xiangxiang Chu·· 11 小时前
LoopArena：评估模型作为循环工程运行时控制器的基准
LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering
arXiv:2608.28281v2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：Yi Wang, Haopeng Zhang, Chengxiang Huang, Rui Dai, Kaikui Liu, Piotr Koniusz, Xiangxiang Chu
研究任务与主要进展
LoopArena用于评估一个模型能否作为Controller，在每个编码轮次后指导固定的编码Agent执行任务、验证进度或决定停止。作者基于论文摘要报告了三种评测设置：160个低成本控制问题、80个任务切片和对应的80个完整任务；完整任务上的最佳Strict Success Rate为36.25%，各Controller估算推理成本平均降低60.6%。
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