lab Hugging Face Blog · ahora mismo · releases

ServiceNow CoreAI lanza AutoSynthData para generar datos de entrenamiento de agentes empresariales

Traducido del English → Español

ServiceNow CoreAI presenta AutoSynthData, una tubería que genera y valida tareas de entrenamiento sintéticas para agentes empresariales aprovechando los fallos del modelo objetivo y los éxitos de un maestro más fuerte. El sistema identifica lagunas de capacidad a través de evaluaciones diagnósticas y crea tareas ejecutables con verificadores para abordar debilidades específicas.

Las tareas se definen por especificaciones del sistema, prompts de usuario y verificadores que aseguran viabilidad, realismo y dificultad.
Una fase "target" genera muestras centrales mientras una fase "multiply" las expande en variantes novedosas.
El control de calidad incluye verificación positiva/negativa y reparación impulsada por crítica para candidatos individuales.
La revisión a nivel de lote monitorea la cobertura y diversidad para prevenir la sobre-representación de familias de tareas fáciles.

El enfoque trata la generación de datos sintéticos como una búsqueda cerca del límite de capacidad del modelo, permitiendo que el currículo se desplace hacia las dificultades restantes a medida que el agente mejora.

Importancia 1/3 Confianza 1/3 Hugging Face Blog AI agents Training methods

Artículos relacionados

lab Microsoft Research Blog · hace 1 d · 3 vistas

El sistema de Microsoft Research predice riesgos del clima espacial para 66.935 subestaciones en EE. UU.

Una canalización de aprendizaje automático desarrollada en Microsoft Research genera estimaciones de riesgo de corriente inducida geomagnéticamente (GIC) específicas por ubicación para 66.935 subestaciones en los Estados Unidos continentales. El sistema combina pronósticos del viento solar con datos geológicos locales para proporcionar a los operadores de la red una advertencia anticipada de 30 a 60 minutos antes de que aparezcan riesgos específicos.

arxiv arXiv cs.CL · hace 3 d · 4 vistas

ROFT mejora los modelos agénticos mediante ajuste fino en explicaciones autogeneradas

Los investigadores investigan el Retrospection-Only Fine-Tuning (ROFT), un procedimiento en línea mínimo donde un agente genera explicaciones retrospectivas de sus propias experiencias y se ajusta finamente utilizando únicamente la pérdida de predicción del siguiente token en esos tokens de explicación. Este método no requiere un maestro externo ni una actualización de política basada en recompensas.

arxiv arXiv cs.CL · hace 8 d · 8 vistas

VHD-Play genera entornos de RL agéntico a partir de mecanismos resueltos

VHD-Play es una tubería que genera diversos entornos de aprendizaje por refuerzo agéntico muestreando y resolviendo modelos matemáticos antes de renderizar sus procesos de decisión como herramientas con estado. Este enfoque asegura que la dinámica ejecutable y las referencias de puntuación de trayectorias se hereden directamente del modelo resuelto, abordando los problemas de desalineación comunes en las tuberías de generación existentes.

arxiv arXiv cs.CL · hace 8 d · 10 vistas

SkillGym internaliza habilidades humanas en LLMs para la resolución de problemas del mundo real

Los investigadores presentan SkillGym, un marco que transforma las habilidades de agentes escritas por humanos en entornos de entrenamiento ejecutables y verificables para agentes de modelos de lenguaje grandes. El sistema utiliza una canalización de habilidad a tarea para instanciar tareas concretas y verificar resultados con verificadores basados en código.

arxiv arXiv cs.AI · hace 10 d · 17 vistas

El Generador de Estado del Mundo alinea planes con mundos sintéticos para mejorar el éxito del agente

El Generador de Estado del Mundo (WSG) es un modelo que mantiene los planes de agentes lingüísticos alineados con las reglas de su entorno de ejecución reescribiendo estados tras fracasos. Se entrena con 226K trayectorias extraídas de siete dominios sintéticos donde un programa aplica reglas y verifica la alcanzabilidad del objetivo.