RIPPLE用过程级策略学习缩小编程智能体纠偏缺口
RIPPLE针对长程编程智能体批评后仍沿错误轨迹的问题，提出过程级恢复训练：前缀教师提供证据化监督，蒸馏后用分阶段信用强化反思、诊断与纠正。四项仓库级基准算术平均提升4.8分，部署无需辅助评论器。代码、价格和国内可用性未知。
要点
- 论文将核心问题称为批评到行动的交接缺口，即合理批评未能改变后续错误轨迹。
- 方法使用仅看前缀的教师、轻量蒸馏，以及对反思触发、诊断和纠正行动的分阶段信用分配。
- 四项仓库级基准算术平均提升4.8分；收益集中于前缀证据充足且仓库状态仍可逆的情形，公开可用性未知。
为什么值得看
长程编程智能体能观察失败并给出批评，却常继续沿错误轨迹执行。RIPPLE把过程级恢复指导内化为单一自恢复策略，部署时无需辅助评论器。
谁会受影响
面向研究长程智能体编程、仓库级软件工程评测和策略学习的研究者与工程团队。
今天就能怎么试
论文于2026年10月22日提交。资料未提供可运行入口、模型或代码发布信息，价格与国内可用性未知，目前无法确认如何试用。
原始来源
1RIPPLE: Recovery Internalization through Process-Level Policy Learning and Effect-Aware Credit for Long-Horizon Agentic Coding · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。