Skip to content
Hot eventLive

TQS：面向编码Agent轨迹的结构化评分框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv（Artificial Intelligence，一手来源）发表论文提出 TQS（Trajectory Quality Score），一个面向编码智能体轨迹的结构化评分框架。论文称 TQS 直接基于轨迹结构、无需 LLM judge，并在线性时间内运行；该框架围绕信息聚焦、意图—动作对齐和策略动态三个维度刻画轨迹质量。研究在 155,144 条公开许可语料的成功轨迹上按 TQS 排序并微调，结果显示在 SWE-Bench-Verified 上，用高分轨迹训练的结果优于使用随机或低分子集的训练结果。目前公开信息仅涉及该论文内容，尚无后续验证或第三方复现报道。

Generated from reports · updated 3 hr ago

LatestOct 12
arXiv 论文提出 TQS 框架，称按其排序的高分轨迹微调在 SWE-Bench-Verified 上更优。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Artificial Intelligence
    TQS：用轨迹结构评分筛选编码智能体 SFT 数据

    论文提出 TQS（Trajectory Quality Score），一个直接基于轨迹结构、无需 LLM judge 且线性时间运行的编码智能体轨迹评分框架。TQS 围绕信息聚焦、意图—动作对齐和策略动态刻画轨迹质量，在 155,144 条公开许可语料的成功轨迹上按 TQS 排序并微调，SWE-Bench-Verified 上高分轨迹训练结果优于随机或低分子集。

Heat trend

There is not enough continuous observation data to draw a trend yet.