शोधकर्ताओं ने CurateEvo का प्रस्ताव दिया है, जो एक फेल्यर-ड्राइवन डायनामिक इवोल्यूशन फ्रेमवर्क है जिसे पुनरावृत्त डेटा करेशन के माध्यम से बड़े भाषण मॉडल एजेंट्स में लॉंग-होराइजन निर्णय लेने को बेहतर बनाने के लिए डिज़ाइन किया गया है। पारंपरिक तरीकों के विपरीत जो करेशन को एक स्थिर पूर्व-प्रसंस्करण चरण मानते हैं, CurateEvo रणनीतियों को निष्पादन योग्य कोड के रूप में प्रस्तुत करता है और एक हल्का विकास सेट से विफल ट्रैजेक्ट्री का उपयोग करके उन्हें फिर से लिखता है।
- फ्रेमवर्क बार-बार होने वाली विफलता मोड का निदान करने के लिए पुनरावृत्त रूप से करेशन रणनीतियों को फिर से लिखता है, और इसके अनुसार डेटा को बढ़ावा देता है, फ़िल्टर करता है या परिष्कृत करता है।
- यह प्रत्येक एपॉक में कच्चे कॉर्पोरा को सपर्यक्ष सूक्ष्म अनुकूलन डेटा, पुनर्बल सीखने डेटा और एक निष्कर्षण-समय मेमोरी बैंक में परिवर्तित करता है।
- एक लागत-जागरूक उद्देश्य दक्षता को बेहतर बनाने के लिए अनावश्यक या कम उपयोगिता वाले प्रशिक्षण चरणों को काट देता है।
- ACEBench-Agent, BFCL-V4 और τ^2-Bench पर प्रयोग दिखाते हैं कि CurateEvo पूर्व विधियों की तुलना में बेहतर है, औसत स्कोर को क्रमशः 3.2 और 2.7 अंक से बढ़ाता है।
लेखकों ने नोट किया है कि CurateEvo विभिन्न पोस्ट-ट्रेनिंग रेसिपी के साथ संगत है और करेशन ओवरहेड को काफी कम करता है।