Humanize：代理编码的判断工程

arXiv:2610.08900v1 公告类型：新 摘要：代理编码使代码生成成本低廉，但可靠的完成仍然很困难：编写代码的代理对代码是否完成的判断能力很弱。我们提出了 Humanize，一种围绕判断工程构建的代理编码的多代理编排工作流程：在规划、实施、审查和学习之间的边界上明确、机械地执行决策。人工批准计划合同，建筑商代理分轮实施，来自另一个供应商的审查代理决定完成；确定性挂钩（而不是模型）在这些角色之间路由工作并执行 72 个机械门。将其视为存储库状态上的马尔可夫链，从两个模型中联合交替构建者和审阅者样本，因此只有在两者都错过的情况下，缺陷才会存在。我们通过 Humanize 的部署、118 个真实循环的公开事后分析及其应用来研究 Humanize。 108 天内发布了 68 个版本，获得了 1,468 个 GitHub star。应用程序包括正在接受上游审查的 567 个文件 gem5 构建系统迁移；内核设计代理，它通过内核知识库和分析反馈扩展了循环，并在 MLSys 2026 FlashInfer 竞赛的所有三个 Full-Agent 赛道中名列前三；通过 Humanize Olympiad Agents (HOA)，在 IOI 2026、IMO 2026、IPhO 2026 和 IBO 2024 中获得满分，在 IChO 2026 中获得 418.5/437 分（金牌）。 Humanize 在 PutnamBench 上也取得了 672/672 的成绩，在 Lean-Eval 排行榜上排名第一 (251/303)，甚至可以与专业数学家竞争。事后分析显示，独立审查发现了不受支持的建筑商索赔，但停止仍然是一个关键弱点。在按阶段分轮的报告中，三分之二的轮次发生在实施被接受之后。该证据是观察性的，而不是工作流程的受控比较。