arXiv · cs.AI· Yutong Cheng, Haifeng Chen, Peng Gao, Wei Cheng·· 1 天前
SpecForge通过行为规格递归提升编码智能体
SpecForge: Recursive Self-Improvement for Coding Agents via Behavioral Specifications
arXiv:2610.15708v1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：Yutong Cheng, Haifeng Chen, Peng Gao, Wei Cheng
研究任务与主要进展
SpecForge提出一种面向编码智能体的递归自我改进框架，通过执行验证测试反馈持续优化程序实体的自然语言行为规格。基于论文摘要，该框架在DevEval+上覆盖五个骨干模型并取得最佳表现，Claude-4.5-Sonnet解题率达94.9%，平均较最强基线提升5.7个百分点。改进后的规格还可迁移到跨语言翻译和新功能实现任务。
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