arxiv arXiv cs.CL · baru saja · research

Apodex 1.1 meningkatkan kecerdasan agensik melalui penskalaan lingkungan dan koordinasi

Diterjemahkan dari English → Bahasa Indonesia

Apodex 1.1 memperkenalkan kerangka kerja untuk "kemampuan bekerja," yang memungkinkan model bahasa tujuan umum mempertahankan kemajuan yang dapat diverifikasi pada tugas kompleks yang melibatkan file, kode, dan sumber informasi. Sistem ini mencapainya melalui Penskalahan Lingkungan, yang memperluas lingkungan eksekusi, dan Penskalahan Koordinasi Agensik, yang melatih agen untuk mendekomposisi tugas dan mengelola pekerjaan paralel.

Apodex 1.1 mencapai pita kinerja terdepan dalam keuangan, penelitian ilmiah, matematika, pemrograman, dan pencarian meskipun menggunakan ukuran model yang lebih kecil daripada banyak sistem mutakhir.
Varian Mini Apodex 1.1 dengan 35B parameter mempertahankan kemampuan bekerja yang kuat sambil tetap dapat diimplementasikan secara lokal.
Harness eksekusi bersama dan AgentOS menjaga status tugas dan provenance di seluruh alat dan agen selama operasi jangka panjang.

Hasil-hasil ini mendasari kecerdasan agensik pada pekerjaan berguna dan terverifikasi yang diselesaikan seiring waktu, memajukan tujuan membangun Heavy-Duty Solver untuk tugas-tugas ambisius.

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

Artikel terkait

media Hugging Face Forums · 4 hari lalu · 4 tayangan

SSU Physics 1.2 mengusulkan formalisasi kemunculan untuk diuji terhadap sistem fisik

Program Sains Sistem Terpadu (SSU) memperkenalkan SSU Physics 1.2 dan Atlas Kemunculan untuk menyelidiki bagaimana struktur koheren dan informasi muncul dari interaksi komponen dalam sistem kompleks.

lab Google DeepMind Blog · 4 hari lalu · 13 tayangan

Google DeepMind bermitra dengan Fenris Creations untuk meneliti AI di EVE Online

Google DeepMind sedang berkolaborasi dengan pengembang game Fenris Creations untuk membuat prototipe pengalaman gameplay baru menggunakan Alam Semesta EVE, berdasarkan 15 tahun penelitian AI dalam game. Kemitraan ini bertujuan untuk mengeksplorasi kemampuan mutakhir seperti pembelajaran berkelanjutan, memori, dan perencanaan jangka panjang dalam dunia yang persisten dan didorong oleh pemain.

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

Mint-Agent memperkenalkan model fondasi agentic asli keuangan

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.

arxiv arXiv cs.CL · 8 hari lalu · 8 tayangan

Agentic Transaction mengusulkan kerangka kerja ACID-compliant untuk agen LLM yang andal

Para penulis memperkenalkan konsep transaksi agentic untuk mengatasi tantangan dalam eksekusi agen otonom, seperti hasil yang andal dan konkurensi yang aman. Mereka mengusulkan sebuah kerangka kerja yang menginterpretasikan ulang properti ACID klasik menjadi empat jaminan semantik: Atomisitas Semantik, Konsistensi, Isolasi, dan Durabilitas.

arxiv arXiv cs.LG · 11 hari lalu · 25 tayangan

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.