media MarkTechPost · 1 jam lalu · releases

SkillOpt dari Microsoft memungkinkan transfer keterampilan agen antara Codex dan Claude Code

Diterjemahkan dari English → Bahasa Indonesia

Peneliti dari Microsoft, Universitas Shanghai Jiao Tong, Universitas Tongji, dan Universitas Fudan mengembangkan SkillOpt, sebuah pengoptimal ruang teks yang melatih dokumen keterampilan berbasis bahasa alami sambil menjaga model target tetap beku. Sistem ini menggunakan model pengoptimal untuk mengusulkan suntingan terbatas berdasarkan rollout yang dinilai, mengekspor hasilnya sebagai satu file `best_skill.md`.

Keterampilan yang dilatih pada GPT-5.4 ditransfer ke varian yang lebih kecil dengan tingkat retensi berkisar dari 16% hingga 82% dari peningkatan dalam domain.
Sebuah keterampilan yang dioptimalkan di Codex meningkatkan skor SpreadsheetBench Claude Code dari 22,1 menjadi 81,8, sedikit melampaui skor 80,4 yang dicapai dengan pelatihan langsung pada Claude Code.
Transfer lintas harness untuk LiveMath bersifat asimetris, dengan hanya 10% retensi saat berpindah dari Codex ke Claude Code.
Ukuran artefak berkisar dari 379 hingga 1.995 token, dibangun dari satu hingga empat suntingan yang diterima, dan menambahkan nol panggilan saat inferensi saat penyebaran.

Format `best_skill.md` yang dibagikan memungkinkan keterampilan prosedural berpindah di antara berbagai API alat, memungkinkan optimasi di lingkungan termurah untuk penyebaran di lingkungan lain.

Kepentingan 2/3 Kerangka evaluasi baru dengan pembeda MarkTechPost Microsoft Research AI agents Research paper

Artikel terkait

arxiv arXiv cs.LG · 22 hari lalu

REGRIND belajar manipulasi cekatan dari satu demonstrasi manusia

Para penulis menyajikan REGRIND, sebuah pipeline pembelajaran penguatan berarah retargeting minimalis yang mempelajari kebijakan manipulasi cekatan dari satu demonstrasi manusia. Metode ini mentargetkan ulang gerakan tangan-objek manusia ke referensi robot sambil mempertahankan hubungan spasial dan kontak, kemudian melatih kebijakan RL residual dalam simulasi untuk melacak titik kunci berpusat pada objek.

arxiv arXiv cs.AI · baru saja Langsung

Argus: Runtime Agentic Serbaguna untuk Penalaran Jangka Panjang

Para peneliti menyajikan Argus, sebuah runtime agentic yang persisten dan berevolusi secara mandiri, dirancang untuk penalaran jangka panjang yang memisahkan niat pengguna yang stabil dari tujuan operasional. Sistem ini memanfaatkan peran Manajer, Perencana, Insinyur, dan Peninjau untuk menjalankan misi terbatas di atas keadaan proyek yang tahan lama, memungkinkan eksekusi otonom antara titik eskalasi yang dimiliki operator.

arxiv arXiv cs.LG · 2 hari lalu · 4 tayangan

Qwen merilis Qwen-CUA, agen penggunaan komputer asli 397B-A17B

Qwen memperkenalkan Qwen-CUA, agen penggunaan komputer asli yang dibangun di atas backbone mixture-of-experts 397B-A17B yang beroperasi melalui tangkapan layar dan peristiwa input tanpa mengandalkan pohon DOM atau metadata aksesibilitas. Sistem ini memanfaatkan kerangka kerja untuk mempertahankan hingga 20 tangkapan layar aktif dan dilatih menggunakan armada rollout cloud dengan hampir 100.000 vCPU di sekitar 40.000 tugas yang dapat diverifikasi.

arxiv arXiv cs.CL · 2 hari lalu · 2 tayangan

Qwen merilis Qwen-CUA, agen penggunaan komputer asli 397B-A17B

Peneliti telah memperkenalkan Qwen-CUA, agen penggunaan komputer asli yang dibangun di atas backbone campuran-ahli Qwen 397B-A17B. Sistem ini beroperasi dengan mengamati tangkapan layar dan bertindak melalui peristiwa keyboard dan mouse, tanpa bergantung pada pohon DOM atau metadata aksesibilitas.

lab Microsoft Research Blog · 2 hari lalu · 8 tayangan

Microsoft Research merilis kerangka kerja Orchard untuk AI agenik yang skalabel

Microsoft Research telah merilis Orchard, sebuah kerangka kerja sumber terbuka yang dirancang untuk memungkinkan penelitian yang skalabel dan hemat biaya mengenai agen otonom. Sistem ini berpusat pada Orchard Env, layanan lingkungan berbasis Kubernetes yang memungkinkan peneliti melatih dan mengevaluasi agen di berbagai domain seperti rekayasa perangkat lunak, navigasi web, dan bantuan pribadi tanpa perlu membangun ulang infrastruktur.