ANTE 让编码智能体先预测再行动，Qwen3-32B SWE-bench pass@1 从 25% 升至 57.2%

Yi Ge · hf · 2026-10-16

马里兰大学与 AWS AI Labs 合作提出 ANTE（Anticipate, Then Execute），一个让编码智能体学习内部世界模型的强化学习框架，作者包括 Rein Houthooft、Aritra Sengupta 等。

• 动机：现有编码智能体不做前瞻，策略不预测动作后果，终局奖励难以归因到早期步骤——一次错误的编辑可能在信号到来前就不可逆地破坏仓库状态
• 方法：用真实执行结果验证策略在动作前的预测，将其转化为逐步信用分配与信任/放弃决策；Belief-Anchored Policy Optimization（BAPO） 把已验证的预测锚定为逐步优势，推理时 ANTE-TTO 在无外部打分器的情况下从候选动作中选择，实现测试时扩展
• 结果：Qwen3-32B 在 SWE-bench Verified 上 pass@1 从 25.0% 提升到 57.2%，比不含信念状态的匹配 GRPO 基线高 6.2%；内部世界模型准确率从 44% 升至 69%

原文链接 →

「编程与Agent」频道最新

• Claude Code 与 Codex 都开始自动补全用户的下一步操作 — tokenbender · 2026-10-16
• Hermes Agent 上线 Reverse Engineer Anything 官方插件，一条命令装好 — Teknium · 2026-10-16
• 上海AI Lab发布 MLExpert:35B 智能体自主完成长程机器学习工程 — Shangheng Du · 2026-10-16
• 阿里 Token Foundry 开源 Cowork-Gym:批量合成协作 Agent 工作环境 — Anni Zou · 2026-10-16
• 北大等提出 MMSearch-OPD:RL+在线蒸馏训练长程多模态搜索智能体 — PekingUniversity · 2026-10-16
• 有人存下 214 个基于同一模型的项目,「晒 build 即获曝光」成厂商免费广告飞轮 — gaganghotra_ · 2026-10-16

更多「编程与Agent」频道 AI 资讯 →