CalibForge calibra tarefas de terminal com base no comportamento de solucionadores

Pesquisadores apresentaram o CalibForge, um sistema autônomo para sintetizar tarefas de treinamento para agentes de terminal usando comportamento verificado de solucionadores. O método revisa tarefas candidatas por meio de calibração adversarial de solucionadores, incluindo discordância entre múltiplos solucionadores e calibração contrastiva entre solucionadores fortes que passam e fracos que falham. O CalibForge produziu 5.431 tarefas de terminal calibradas, e modelos treinados com essa coleção alcançaram 32,58% e 47,57% no Terminal-Bench 2.0.