StopLoss：小型监控器学习预测编码智能体失败以提前终止

Jiarong Liang 等发布 StopLoss 论文（arXiv cs.AI），提出一种小型外置监控器，用已完成轨迹的验证器结果监督学习识别失败，在编码智能体运行中预测失败并提前终止，避免浪费注定失败的运行成本。 训练数据为 GPT 系列 SWE-rebench 轨迹，在 SWE-bench Verified 及其 Pro 子集上配合 GPT、Claude 执行器评估，与读取相同窗口的六种通用评审器比较。StopLoss 在首次检查时将失败预测从接近随机提升为有效信号；相对跑完全部任务，Verified 上每个保留成功运行的成本降低 4.5%、保留 99% 成功运行，成本更高的 Pro 子集最高降 31%，用 Qwen3-8B 后端时达 48%。单次检查成本比所有测试的通用评审器低一至两个数量级。 以上结果基于论文摘要，本站未核验全文。

AI 根据报道生成 · 2 天前更新