LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering

• 类型：arxiv
• 标识：2608.28281
• 链接：https://arxiv.org/abs/2608.28281
• 主分类：agent
• 形态：benchmark
• 被引：2
• 被引来源：Semantic Scholar
• S2被引：2
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work introduces LoopArena, a benchmark for evaluating how well one model can guide a separate coding agent through a long-running task, and evaluates this ability in three complementary settings that differ in execution scope and cost.
• OpenAlex ID：W7204813304
• OpenAlex DOI：10.48550/arxiv.2608.28281
• DOI：10.48550/arxiv.2608.28281
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2608.28281
• OpenAlex更新：2026-09-02
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：LoopArena：将模型作为 Loop 工程运行时控制器的基准评测
• TLDR中文：提出 LoopArena，一个用于评估一个模型在长时任务中引导另一个独立 coding agent 能力的 benchmark，并在执行范围与成本各不相同的三个互补设置下评估该能力。
• 来源文件：
• /inbox/tom/_candidates/2026-08-31-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-01-rag-retrieval-reranking-candidates.json
• /inbox/tom/_candidates/2026-09-01-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]