솔비타: 경쟁 프로그래밍을 위한 대규모 언어 모델(LLM) 향상

경쟁 프로그래밍에서 대규모 언어 모델(LLM)은 여전히 엄격한 추론 요구 사항에 대응하기 어렵습니다. 최근의 다중 에이전트 프레임워크는 이 신뢰성 격차를_FILL_하기 위해 노력하지만, 여전히 기본적으로 상태가 없습니다. 그들은 정적 검색에 의존하고 이전 작업에서 획득한 문제 해결 및 디버깅 경험을 버립니다. 이러한 문제를 해결하기 위해, 우리는 솔비타라는 에이전트 진화 프레임워크를 제시합니다. 솔비타는 지속적인 학습을 허용하는 대규모 언어 모델(LLM)의 가중치 업데이트가 필요하지 않습니다.

솔비타의 작동 원리

솔비타는 문제 해결을 closed-loop 시스템으로 재구성합니다. 이 시스템은 전략 선택, 프로그램 합성, 인증된 감독, 그리고 목표된 해킹으로 구성됩니다. 이 네 가지 에이전트가 각각 전담합니다: Planner, Solver, Oracle, 그리고 Hacker. 각 에이전트는 가중치가 학습 가능한 그래프 구조화된 지식 네트워크와 쌍을 이룹니다. 시스템이 작동하는 동안, 결과 신호, 예를 들어, PASS/FAIL 판결, 테스트 인증 품질, 그리고 Hacker에 의해 발견된 적대적 취약점은 이러한 네트워크 가중치에 대한 강화 학습 업데이트로 재가공됩니다. 에이전트가 동적으로 향후 쿼리를 기반으로 미래의 성공과 실패를 기반으로 라우팅할 수 있도록 합니다. 결국, 이들은 시간과 함께 전이 가능한 추론 경험을 축적합니다.

평가

CodeContests, APPS, AetherCode, 그리고 live Codeforces 라운드에서 평가한 결과, 솔비타는 새로운 상태-of-the-art를 확립하며, 기존의 다중 에이전트 파이프라인을 능가하고 단일 패스 베이스 라인보다 거의 두 배의 정확도를 달성합니다.