DARE：用难度分析增强编码Agent修复
热点事件持续更新
DARE：用难度分析增强编码Agent修复
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Jikwang Lee、Seungwook Jung 与 Jaechang Nam 发布论文，提出 DARE 框架：把修复任务难度定义为多个编码智能体在该任务上的观测失败率，再用从基准产物中提取的 151 个静态特征预测难度。 在包含 2,594 个任务的四个基准分区上，难度模型的对齐预测 Spearman ρ 为 .476–.621；各任务最显著的 Repair-Task Feature Group 并不相同。编码智能体实验显示，按任务显著特征组匹配支持可提升修复成功率。
AI 根据报道生成 · 20 分钟前更新
最新进展11月5日 13:00
DARE：面向修复增强的任务难度分析框架报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.SEDARE：面向修复增强的任务难度分析框架
DARE 将修复任务难度定义为多个编码智能体在任务上的观测失败率，并用从基准产物中提取的 151 个静态特征预测该难度。在包含 2,594 个任务的四个基准分区上，难度模型的对齐预测取得 Spearman ρ = .476-.621，且各任务与基准中最显著的 Repair-Task Feature Group 并不相同。编码智能体实验显示，按任务显著特征组匹配支持可提升修复成功率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。