研究：编码智能体错误补丁多源于思维链错误断言

You Wang 等作者发表实证研究，分析四个开源权重推理模型在 SWE-bench Pro 上的 400 条轨迹，从思维链中抽取原子断言并与事实核对，发现编码智能体的错误补丁多源于思维链中的错误断言。作者称这是首个针对此类“任务锚定推理”的实证研究。 研究结论指向：智能体在生成补丁前的推理环节就已出现与事实不符的断言，错误由此传导至最终补丁。该结论基于上述四个模型和 400 条轨迹，尚未涉及其他模型或基准。

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。