arxiv arXiv cs.CL · baru saja · research

JIT-Agent memungkinkan evolusi harness secara langsung untuk meningkatkan kinerja LLM agentic

Diterjemahkan dari English → Bahasa Indonesia

Para penulis menyajikan JIT-Agent, sebuah model kecerdasan harness yang dilatih untuk mensintesis harness agen yang adaptif terhadap tugas untuk berbagai LLM agentic siap pakai. Pendekatan ini memformalkan harness agen sebagai artefak komposabel yang diatur oleh protokol empat modul tetap, memungkinkan sistem menyesuaikan dan memperbaiki harness secara langsung.

JIT-Agent memadatkan sinyal kinerja dari arsip konfigurasi sebelumnya yang terus berkembang untuk berevolusi secara mandiri dalam strateginya.
DeepSeek-V4-Flash melampaui GPT-5.6 pada DeepSearchQA (+9.1) dan OdysseyBench (+4.3) ketika dilengkapi dengan JIT-Agent.
Model GLM-5.2 mengalami peningkatan kinerja hingga +20.2 poin.
Harness yang dihasilkan kompetitif dengan runtime agen matang seperti OpenCode dan Claude Code.
Metode ini secara konsisten meningkatkan keluarga model multi-skala termasuk DeepSeek V4, Mimo-V2.5, dan Qwen3.6.

JIT-Agent menetapkan kecerdasan harness sebagai dimensi yang dapat dilatih, dapat ditransfer, dan bersifat komulatif dari kemampuan agen yang ortogonal terhadap penskalaan model.

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

Artikel terkait

arxiv arXiv cs.CL · 9 hari lalu · 4 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.LG · 13 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.

arxiv arXiv cs.AI · 13 hari lalu · 21 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 · 53 hari lalu · 8 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 · 58 hari lalu · 7 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.