arXiv cs.AI· Jiakai Xu, Tiancheng Ge, Tujie Guan, Yusheng Li, Rohan Timmaraju, Eugene Wu, Kostis Kaffes·2026-10-16 12:00· 9 小时前AI 评分45

Probe-and-Resume：何时以及如何评估智能体执行

Probe-and-Resume: When and How to Evaluate Agent Execution

AI 导读

Probe-and-Resume 在 Terminal-Bench 2.1 上比使用传统 critic 的 MCTS 提升 8.4 个百分点成功率，并以不到一半成本接近同一底层模型 Codex CLI 的水平。该方法仅在智能体自认完成时调用 critic 探测其状态副本，被拒的智能体从停止处继续。

来源：arXiv cs.AI · arxiv.org