arxiv arXiv cs.AI · 6 jam lalu · research

Pratinjau Atria Dawn: model bahasa agentic dasar untuk penelitian ilmiah

Diterjemahkan dari English → Bahasa Indonesia

Atria Dawn Preview adalah model bahasa agentic dasar yang dirancang untuk alur kerja penelitian ilmiah dan teknik, dilatih melalui Pipelina Pengalaman Terverifikasi yang menghubungkan interaksi yang dimediasi alat ke lingkungan yang dapat dieksekusi. Di seluruh 16 benchmark yang mencakup penelitian dunia nyata, teknik, dan pekerjaan digital, model ini kompetitif dengan agen terdepan dan mencapai skor tertinggi yang dilaporkan pada lima di antaranya.

Pipeline pelatihan menghubungkan interaksi yang dimediasi alat ke lingkungan yang dapat dieksekusi dan hasil yang diverifikasi secara eksternal.
Analisis dari 769 catatan tugas dari 56 peserta menunjukkan bahwa sekitar satu pertiga dari tugas yang dibantu AI yang diselesaikan dinilai tidak layak tanpa AI.
Agen sering kali mengusulkan metode dan mengimplementasikan revisi, sementara manusia mempertahankan sebagian besar keputusan akhir dan membimbing eksplorasi melalui penilaian dan umpan balik.

Para penulis menganggap ini signifikan karena menunjukkan pergeseran dari eksekusi tingkat tugas ke kemitraan tingkat proyek, di mana upaya manusia terkonsentrasi pada apa yang layak ditekuni dan bagaimana bukti harus membimbing penelitian.

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

Artikel terkait

arxiv arXiv cs.CL · 20 hari lalu · 25 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 · 29 hari lalu · 16 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 · 32 hari lalu · 36 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 · 33 hari lalu · 29 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 · 73 hari lalu · 22 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.