arxiv arXiv cs.CL · baru saja · research

APEx mendistilasi pengalaman prosedural agen untuk penelitian mendalam yang adaptif

Diterjemahkan dari English → Bahasa Indonesia

Peneliti mengusulkan APEx, sebuah kerangka pemanfaatan pengalaman hierarkis yang dirancang untuk meningkatkan agen penelitian mendalam yang menjawab pertanyaan kompleks menggunakan alat eksternal. Sistem mengorganisir riwayat interaksi menjadi memori trajektori tingkat instans dan keterampilan prosedural tingkat kategori, menggabungkannya melalui arsitektur Executor, Distiller, dan Planner.

Dioptimalkan melalui paradigma pelatihan GRPO bergantian tiga tahap untuk distilasi keterampilan yang dipandu imbalan.
Menggunakan keterampilan yang didistilasi sebagai prior prosedural untuk adaptasi Planner online melalui pembelajaran penguatan waktu pengujian yang dipandu keterampilan.
Mencapai kinerja state-of-the-art pada 7 benchmark, melampaui GPT-5.4 sebesar 14,7 poin dan baseline augmented memori terkuat sebesar 3,0 poin.

APEx memungkinkan perbaikan diri tanpa ground-truth dengan regularisasi keselarasan keterampilan untuk mencegah drift kebijakan selama pengujian.

Kepentingan 2/3 arXiv cs.CL AI agents Research paper

Baca aslinya

CANOPY memungkinkan Qwen3-14B meraih puncak AppWorld dengan RL berbasis hasil akhir

Makalah ini memperkenalkan CANOPY (Coverage-ANchored On-PolicY RL), sebuah protokol yang mengatasi kelaparan sinyal dan pergeseran kebijakan dalam pembelajaran penguatan jangka panjang untuk model terbuka berukuran kecil. Dengan melakukan skalasi eksplorasi pada tugas yang sama dan menjaga pembaruan tetap terikat KL, metode ini memungkinkan agen belajar secara efektif hanya dari verifikasi di akhir tugas.

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

WebWorld menggunakan browser sebagai model dunia untuk meningkatkan diri dalam kode web

Para penulis menyajikan WebWorld, sebuah antarmuka yang memungkinkan Model Visual-Bahasa (VLM) berinteraksi secara otonom dengan browser sebagai model dunia deterministik untuk kode web. Pendekatan ini mengatasi cacat struktural dalam peningkatan diri berbasis VLM di mana model menilai perbaikannya sendiri dengan memperkenalkan pihak lawan yang tidak dapat dibohongi.

media MarkTechPost · 3 hari lalu · 6 tayangan

Google merilis EnvHarness untuk mengadaptasi lingkungan agen statis guna pelatihan

Tim dari Google Cloud AI Research, Washington University di St. Louis, dan UNC Chapel Hill telah merilis EnvHarness, lapisan yang dapat diprogram yang mengubah benchmark agen statis menjadi dunia pelatihan adaptif. Sistem ini membungkus lingkungan yang ada menggunakan komponen plug-in yang beroperasi secara ketat melalui antarmuka reset() dan step() standar, memungkinkan lingkungan beradaptasi dengan pelatihan kebijakan tanpa mengubah simulator dasar atau verifier buatan manusia.

arxiv arXiv cs.CL · 7 hari lalu · 10 tayangan

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

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.

arxiv arXiv cs.CL · 8 hari lalu · 9 tayangan

Recuris meningkatkan keberhasilan agen jangka panjang sebesar 17.8 poin di tau-bench

Para peneliti memperkenalkan Recuris, sebuah arsitektur Memori Kerja Eksperensial rekursif yang dirancang untuk mengatasi tantangan peningkatan diri secara rekursif dalam tugas jangka panjang. Sistem ini menggunakan Memori Kerja untuk melacak kemajuan dan membimbing pemilihan keterampilan dari Memori Eksperensial, menciptakan loop terbatas yang memlokalisisasi kegagalan dan memperbarui keterampilan berdasarkan kebutuhan saat ini.