SpecForge提出基于行为规格的编码智能体递归自改进框架

Yutong Cheng、Haifeng Chen、Peng Gao、Wei Cheng等人发布SpecForge论文，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。该框架采用多前沿树搜索，包含三个机制：Pareto引导的状态选择保留互补规格状态、依赖约束的实体选择优先改进被调用者、错误多样化扩展利用不同测试失败子集探索多种改进。 基于论文摘要，在DevEval+基准上，SpecForge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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。