يقترح الباحثون حلقة تحسين ذاتي مدفوعة بالفشل لوكلاء استخدام الحاسوب تستغل المسارات الفاشلة لتعزيز أداء النموذج. تستخدم الطريقة نموذج لغة كبير (LLM) لتشخيص أنماط الفشل وإنشاء تصحيحات برمجية، والتي يتم التحقق منها بشكل خفيف من قبل البشر لترقية الوكيل.
- يستهدف النهج نماذج اللغة الكبيرة متعددة الوسائط (MLLMs) العاملة في بيئات قابلة للتحقق.
- يكمل خطوط الأنابيب القياسية المعتمدة على النجاح عن طريق استخراج المعلومات من المسارات الفاشلة المهملة.
- تم التحقق منه على معيار OSWorld باستخدام نموذج OpenCUA-72B، حيث تحسنت نسبة النجاح من 42.3% إلى 48.9%.
- يمثل التحسن كسباً قدره 6.6 نقطة مئوية بدون تكلفة تدريب إضافية ومع عبء استدلال متواضع فقط.
تُظهر هذه الدراسة أن التحسين الذاتي المدفوع بالفشل هو مكمل عملي لخطوط الأنابيب الموجودة، مما يتيح تحسين الوكلاء بكفاءة أكبر.