Este artículo presenta un controlador bayesiano para orquestar agentes de codificación modernos, abordando las limitaciones de los sistemas de reglas fijas que ignoran la incertidumbre durante el uso de herramientas.
- El enfoque formula la orquestación como una prueba de hipótesis secuencial sensible al costo para decidir dinámicamente entre recopilar evidencia, refinar candidatos o verificarlos.
- Las evaluaciones en seis generadores y nueve benchmarks de codificación muestran que el método es más valioso cuando la verificación es costosa y los críticos son informativos pero imperfectos.
- El estado de creencia resultante proporciona una puntuación de corrección interpretable que supera las líneas base de probabilidad de tokens y éxito bruto de herramientas para la cuantificación de incertidumbre.