Not translated yet — showing the Chinese originals.

Industry & Practice · Tagged “trubric”

Research & Benchmarks2026-11-068 min
用缓存轨迹做任务高效的智能体评测：附录
附录给出用户名校验器上的量规与两条轨迹摘要、七个编码器的探针准确率、提示词，以及 SWE-bench Verified 的 107 个系统和 Terminal-Bench 2.0 的 65 个系统。
Research & Benchmarks2026-11-0620 min
用缓存轨迹做任务高效的智能体评测
只跑一次任务，也能估计智能体在整张榜上的分数。用大语言模型把轨迹收成任务专用摘要再嵌入，和项目反应模型合在一起，SWE-bench Verified 上的平均绝对误差从 0.13 降到 0.08。