arxiv arXiv cs.CL · baru saja · sumber: 2 hari lalu · research

TaoLive memperkenalkan Pelatihan Sadar Harness untuk agen avatar digital yang dapat berevolusi

Diterjemahkan dari English → Bahasa Indonesia

Para peneliti menyajikan TaoLive, sebuah laporan teknis tentang pelatihan agen avatar digital yang dapat beradaptasi dengan strategi bisnis yang berubah secara real-time dalam e-commerce langsung tanpa perlu pelatihan ulang. Sistem ini menggunakan Harness yang dapat berevolusi untuk memisahkan keterampilan dan alat dari bobot model, mengatasi tantangan model menghafal konfigurasi usang melalui Pelatihan Sadar Harness (HAT).

HAT menerapkan Augmentasi-State Harness di tiga tahap: penyetelan halus terawasi, distilasi on-policy umum, dan pembelajaran penguatan agentic.
Model kompak 35B mencetak skor 94.8 pada Live-Stream QA dan 94.6 pada Harness-Variant QA, mengungguli model dasar (80.3) dan LLM umum terkuat (93.0).
Sistem mencapai latensi P50 sebesar 3.407 s dan P95 sebesar 8.114 s pada satu GPU NVIDIA H20 dengan MTP diaktifkan.

Pendekatan ini menghasilkan agen kompak yang layak secara latensi, tetap efektif di bawah perubahan Harness yang dievaluasi tanpa mengorbankan kepatuhan terhadap instruksi umum.

Kepentingan 2/3 Kerangka evaluasi baru dengan pembeda arXiv cs.CL AI agents Training methods

Benchmark

Benchmark	Model	Skor
IFEval	compact 35B model	83.5%

Artikel terkait

arxiv arXiv cs.CL · 1 hari lalu · 7 tayangan

SocialRL melatih model 4B agar setara dengan GPT-5 dalam negosiasi melalui penalaran sosial

Para peneliti memaparkan SocialRL, sebuah resep pelatihan yang secara langsung memperkuat penalaran sosial pada model bahasa kecil untuk meningkatkan kinerja mereka sebagai negosiator strategis. Diterapkan pada model 4B di enam domain termasuk Deal-or-No-Deal dan Wawancara Kerja, pendekatan ini memungkinkan model menyamai atau melampaui kinerja keluarga GPT-5 pada skenario yang diisolasi.

media MarkTechPost · 16 hari lalu · 17 tayangan

NVIDIA NeMo merilis Molt, kerangka kerja RL agentic PyT-native yang ringkas

Tim NeMo NVIDIA telah merilis Molt, sebuah kerangka kerja pembelajaran penguatan agentic sumber terbuka yang dirancang untuk mengurangi kompleksitas iterasi algoritma bagi para peneliti. Basis kode ini terdiri dari sekitar 8.6K baris kode RL, jauh lebih kecil dibandingkan kerangka kerja sebanding seperti verl (62K baris) dan slime (25K baris).

media Hugging Face Forums · 16 hari lalu · 15 tayangan

Menyelidiki apakah jejak agen yang gagal dapat digunakan sebagai data penalaan halus

Penulis mengajukan hipotesis bahwa jejak agen yang menggunakan alat dan gagal, seperti pemilihan alat yang salah atau argumen yang tidak sesuai format, dapat berfungsi sebagai data penalaan halus yang berharga untuk melatih model agar menjauh dari kesalahan tersebut. Posting ini mencari umpan balik komunitas mengenai apakah pelatihan pada jejak kegagalan yang telah dikoreksi efektif atau justru merugikan.

lab Microsoft Research Blog · 18 hari lalu · 18 tayangan

Microsoft Research memperkenalkan EvoLib untuk pembelajaran saat pengujian dengan perpustakaan yang berkembang

Microsoft Research telah memperkenalkan EvoLib, sebuah kerangka kerja yang memungkinkan model bahasa besar belajar dari pengalaman mereka sendiri selama inferensi tanpa memerlukan label kebenaran dasar atau umpan balik eksternal. Daripada menyimpan pengalaman mentah sebagai memori statis, EvoLib mengubahnya menjadi keterampilan yang dapat digunakan kembali dan wawasan reflektif yang terus disempurnakan, dikonsolidasikan, dan diberi bobot ulang.

lab Microsoft Research Blog · 18 hari lalu · 23 tayangan

Microsoft merilis Echoverse untuk melatih agen penggunaan komputer

Microsoft Research telah merilis Echoverse, sebuah koleksi dari dua belas lingkungan sintetis dalam yang dirancang untuk melatih agen penggunaan komputer. Inisiatif ini mencakup sepuluh dunia spesifik domain dan dua dunia berfokus pada kemampuan, semuanya dibangun untuk mempertahankan keadaan yang koheren dan kesetiaan perilaku.