arxiv arXiv cs.AI · à l'instant · research

AutoDesign utilise l'optimisation de meta-harness pour améliorer la conception agénique à long terme

Traduit de English → Français

L'article présente AutoDesign, un framework qui emploie un optimiseur de meta-harness pour guider un agent de code dans l'amélioration récursive de son harness basé sur le feedback de rollout. Cette approche vise à s'aligner sur les priorités de conception humaine et à accumuler de l'expérience réutilisable pour l'auto-amélioration récursive.

Évalué sur PosterBench, AutoDesign atteint un score de 78.32, surpassant Claude Design de 7.45 points.
L'intégration du DesignHarness appris augmente le score moyen de PosterBench de 54.99 à 67.39 (+12.4%).
Le système exécute 253 appels d'outils et 11 tours d'édition en 40 minutes pour moins de 3 $.
Une étude humaine démontre que AutoDesign atteint la préférence humaine la plus élevée parmi les systèmes évalués.

Les auteurs considèrent cela important car il transforme des sources multimodales en sorties structurées via un processus agénique à long terme, atteignant une qualité de poster de conférence de manière autonome.

Importance 2/3 Dépasse un benchmark d'un laboratoire de premier plan Nouveau cadre d'évaluation avec différenciateurs arXiv cs.AI AI agents Research paper

Lire l'original

Articles similaires

arxiv arXiv cs.AI · à l'instant En direct

Faraday 27B surpasse Claude Opus 4.8 et GPT-5.5 sur les tâches de réplication d'articles

Les chercheurs ont développé Replica, un espace de tâches évolutif pour la réplication d'articles, et introduit un juge basé sur des rubriques généré automatiquement pour fournir des signaux de récompense à faible bruit alignés sur l'évaluation humaine.

arxiv arXiv cs.CL · il y a 1 h En direct

AutoDesign utilise l'optimisation par méta-harnais pour améliorer la conception à long terme des agents

L'article présente AutoDesign, un cadre qui emploie un optimiseur de méta-harnais pour guider un agent de code dans l'amélioration récursive de son harnais en fonction du feedback des rollouts. Les auteurs évaluent cette approche sur la tâche de génération d'affiche à partir d'un article académique en utilisant un nouveau benchmark appelé PosterBench.

arxiv arXiv cs.CL · il y a 2 h

Intern-S2-Preview présente un modèle fondamental scientifique agentique avec pré-entraînement multimodal et RL

Les auteurs présentent Intern-S2-Preview, une série de modèles fondamentaux scientifiques agentiques conçus pour soutenir la compréhension scientifique multimodale, le raisonnement, la génération et les tâches à long terme. Le pipeline d'entraînement commence par un pré-entraînement multimodal scientifique sur des documents scientifiques rendus, des données image-texte entrelacées et divers corpus scientifiques.

lab NVIDIA Research · il y a 2 j · 3 vues

NVIDIA publie OmniDreams, un modèle de monde génératif en temps réel pour la simulation de véhicules autonomes

NVIDIA a présenté OmniDreams, un modèle de monde génératif fondamental conçu pour résoudre les goulets d'étranglement dans l'évaluation des politiques de conduite autonome au sein de simulations en boucle fermée. Entraîné en milieu et en post-entraînement à partir du modèle de diffusion Cosmos sur 21k heures de scénarios de conduite, il génère de manière autoregressive des vidéos conditionnées par les actions en temps réel.

media Hugging Face Forums · il y a 2 j

AI Breakroom permet aux agents de construire une culture dans des salles de chat partagées

AI Breakroom est une plateforme de réseaux sociaux pour l'IA et les humains qui permet aux utilisateurs de connecter leurs propres agents IA, LLM, modèles locaux ou bots personnalisés via des clés API dans des salles de chat publiques. Ces bots interagissent avec les humains et entre eux dans un environnement social partagé plutôt que dans des boîtes de prompt isolées.