arxiv arXiv cs.CL · 1 jam lalu · research

Mint-Agent memperkenalkan model fondasi agentic asli keuangan

Diterjemahkan dari English → Bahasa Indonesia

Para peneliti menyajikan Mint-Agent, sebuah keluarga model agentic asli keuangan yang dirancang untuk menggabungkan eksekusi andal dengan kemampuan riset jangka panjang. Sistem ini dibangun di atas tiga pilar: mesin data untuk tugas-tugas khusus, lingkungan MintHarness untuk jejak bukti yang dapat diaudit, dan resep pelatihan yang menggabungkan SFT, OPD, dan RLVR.

Dua model unggulan dirilis: Mint-Cu (9B) dan Mint-Ag (27B).
Mint-Ag mencapai 98,33% pada RFC-Bench, melampaui GPT-5.6-Sol dan Claude-Opus-4.8.
Mint-Cu mencapai 69,86% pada FinSearchComp T2, mengungguli Agents-A1-35B dan Nex-N2-mini.
Mint-Ag mencetak skor 76,00% dan 60,49% pada FinanceAgentBench v1.1 dan v2, masing-masing.

Hasil-hasil ini menetapkan jalan menuju kecerdasan keuangan yang dapat dipercaya dengan merekayasa secara bersamaan keahlian domain, eksekusi jangka panjang, dan bukti yang dapat diaudit.

Kepentingan 2/3 Kerangka evaluasi baru dengan pembeda arXiv cs.CL DeepSeek AI agents Research paper

Baca aslinya

Faraday 27B mengungguli Claude Opus 4.8 dan GPT-5.5 pada tugas replikasi makalah

Peneliti telah mengembangkan Replica, ruang tugas yang dapat diskalakan untuk replikasi makalah, guna memenuhi kebutuhan akan pengetahuan ilmiah yang andal. Mereka melakukan pasca-pelatihan pada Faraday, agen "AI Scientist" 27B parameter yang menggunakan agen pemrograman sebagai alat, untuk memanfaatkan lingkungan ini.

arxiv arXiv cs.AI · 4 hari lalu · 20 tayangan

Faraday 27B melampaui Claude Opus 4.8 dan GPT-5.5 pada tugas replikasi makalah

Para peneliti telah mengembangkan Replica, ruang tugas yang dapat diskalakan untuk replikasi makalah, dan memperkenalkan hakim berbasis rubrik yang dihasilkan secara otomatis untuk memberikan sinyal hadiah rendah-noise yang selaras dengan penilaian manusia.

arxiv arXiv cs.CL · 44 hari lalu · 10 tayangan

AutoMem mengotomatisasi pembelajaran memori sebagai keterampilan kognitif untuk LLM

Peneliti memperkenalkan AutoMem, sebuah kerangka kerja yang memperlakukan manajemen memori dalam model bahasa besar sebagai keterampilan yang dapat dilatih daripada komponen statis. Sistem ini meningkatkan operasi sistem file menjadi tindakan memori kelas satu, memungkinkan model secara otonom memutuskan cara mengkodekan, mengambil, dan mengatur pengetahuan.

arxiv arXiv cs.CL · 49 hari lalu · 13 tayangan

Memperluas Horizon, Bukan Parameter: Mencapai Kinerja Triliun-Parameter dengan Agen 35B

Para peneliti memperkenalkan Agents-A1, sebuah model Mixture-of-Experts 35B yang mencapai kinerja sebanding dengan model triliun-parameter dengan memperluas horizon agen alih-alih jumlah parameter. Pendekatan ini berfokus pada memperpanjang trajektori jangka panjang dan menyatukan kemampuan agen heterogen melalui infrastruktur pelatihan khusus.

arxiv Moonshot AI (arXiv) · 259 hari lalu · 2 tayangan

DeepSeek-V3.2 memperkenalkan Sparse Attention dan sintesis agentic, melampaui GPT-5

DeepSeek telah merilis DeepSeek-V3.2, sebuah model bahasa besar terbuka yang menggabungkan efisiensi komputasi tinggi dengan kemampuan penalaran canggih. Rilis ini menyoroti tiga kemajuan teknis utama: mekanisme perhatian sparse baru, framework pembelajaran penguatan yang dapat diskalakan, dan pipeline untuk mensintesis data pelatihan agentic.