论文摘要 · 2026-10-06 · arXiv (Cornell University)
提高人工智能编程可靠性的Humanize技术
Humanize: Judgement Engineering for Agentic Coding
- 做了什么
- 介绍了Humanize，这是一种在规划、实现和审查阶段之间应用清晰、机械性决策的多人工智能协作工作流。
- 核心结果
- 由不同厂商的生成人工智能与审查人工智能交替工作，在解决竞赛问题和性能评估中取得了优异的成果。
- 意义
- 表明在利用人工智能进行编程的过程中，独立审查有助于发现错误。
研究背景
利用人工智能生成编程虽然变便宜了，但由于很难自行判断代码是否完成，因此实现可靠的完成仍然很困难。
方法
采用了由人类批准计划、生成人工智能实现、其他厂商的审查人工智能决定是否完成的机械控制方式。
主要结果
在各种竞赛和评估中记录了高分，并确认了独立审查能够纠正生成人工智能错误的主张。
局限与待确认之处
决定是否中断工作仍然是主要的弱点，所提出的证据是观察结果，而不是受控比较。
术语解释
- agentic coding — 人工智能自主判断并编写代码的技术
- multi-agent — 多个人工智能程序相互合作或分工工作的方式
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
