शोधकर्ताओं ने कंप्यूटर-यूज़ एजेंट्स के लिए एक असफलता-चालित स्वयं-सुधार लूप का प्रस्ताव दिया है जो मॉडल प्रदर्शन को बढ़ाने के लिए विफल ट्रेजेक्टरीज़ का उपयोग करता है। इस विधि में एक LLM का उपयोग विफल मोड का निदान करने और कोड पैच उत्पन्न करने के लिए किया जाता है, जिन्हें एजेंट को अपग्रेड करने के लिए मानव द्वारा हल्के रूप में सत्यापित किया जाता है।
- यह दृष्टिकोण सत्यापन योग्य वातावरण में काम करने वाले बहुआयामी बड़े भाषा मॉडलों (MLLMs) को लक्षित करता है।
- यह फेंकी गई विफल ट्रेजेक्टरीज़ से जानकारी निकालकर मान सफलता-आधारित पाइपलाइन की पूरक है।
- OpenCUA-72B मॉडल का उपयोग करके OSWorld बेंचमार्क पर सत्यापित, इस विधि ने सफलता दर को 42.3% से बढ़ाकर 48.9% कर दिया।
- यह सुधार अतिरिक्त प्रशिक्षण लागत के बिना और केवल मामूली इन्फरेंस ओवरहेड के साथ 6.6 प्रतिशत अंक की वृद्धि का प्रतिनिधित्व करता है।
यह कार्य दिखाता है कि असफलता-चालित स्वयं-सुधार मौजूदा पाइपलाइन के लिए एक व्यावहारिक पूरक है, जो अधिक कुशल एजेंट सुधार को सक्षम बनाता है।