AdaMAST：自动分类Agent失败模式，SWE-bench提升至70.7%
berkeley_ai · x · 2026-08-01
UT Austin 的研究者发布了新论文 AdaMAST（Adaptive Failure Taxonomies），提出了一种自动对 AI 智能体失败模式进行分类的方法。
- 核心机制：它能从原始执行轨迹中学习系统特定的失败分类法，并在多次运行中复用，精准定位 Agent 何时何地为何失败。
- 实测效果：作为 Claude Code 的一项技能集成后，将 SWE-bench Verified Mini 的得分从 64.0% 提升至 70.7%。
- 基准表现：在 TerminalBench 2 上，结合 Opus 4.6/Forgecode 框架与 Best-of-N 评判机制，取得了 89.9% 的高分。
所属事件:AdaMAST自动分类AI智能体失败模式(2 条相关)→
「编程与Agent」频道最新
- 用 Codex 17分钟写好 iPhone Duo 抢购程序，41项测试通过 — xiaohu · 2026-10-16
- 生成式 CAD 工具 NativeCAD 提供 177 个 MCP 工具，85% 以上英文建零件需求可通过 — burhop · 2026-10-16
- Flux AI CAD 支持导入 STEP 文件后用自然语言直接改型 — burhop · 2026-10-16
- 同时开 50 个 AI 任务是充电还是烧脑?开发者吵起来了 — zack_overflow · 2026-10-16
- 创业者用 Opus 一次清掉 3 万行技术债,印证「等新模型来重构」策略 — lucasmeijer · 2026-10-16
- 日本工程师用 tmux 搭建 AI agent 组织：每项目一队，人只对接总管 — 4310sy · 2026-10-16