arxiv arXiv cs.AI · baru saja · research

GRASP memperkenalkan perencanaan multi-tahap yang sadar strategi untuk meningkatkan keandalan LLM

Diterjemahkan dari English → Bahasa Indonesia

Para peneliti memperkenalkan GRASP, sebuah kerangka kerja perencanaan multi-tahap yang sadar strategi, dirancang untuk menghasilkan rencana eksekusi bahasa alami berkualitas tinggi untuk tugas kompleks di mana model Bahasa Besar standar biasanya mengalami penurunan keandalan. Sistem ini memisahkan pipa perencanaan menjadi modul-modul khusus: GenPlan untuk pedoman makro global, RevPlan untuk mengeksplorasi strategi terlokalisasi, dan VerPlan untuk evaluasi lintasan independen.

GRASP menetapkan pencapaian terbaru yang unggul di berbagai dataset, menghasilkan peningkatan akurasi sebesar ~12.4% pada Natural Plan Calendar Scheduling dan ~30.8% pada ZebraLogic dibandingkan dengan perencana LLM langsung.
Kerangka kerja ini sepenuhnya menghilangkan penalti degradasi multi-tugas yang diamati pada perencana standar, mencapai peningkatan akurasi absolut hingga 16.7% dalam lingkungan tugas ganda berselang-seling.
Dengan mengisolasi konteks dan memberlakukan regularisasi makro yang ketat, GRASP melampaui model penalaran terdepan seperti GPT-5-mini dengan selisih 14.5%.

Pendekatan ini mengatasi tantangan mempertahankan kinerja seiring meningkatnya kompleksitas tugas, menawarkan perbaikan signifikan dibandingkan metode perencanaan LLM langsung.

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

Artikel terkait

lab Anthropic News · 2 hari lalu · 29 tayangan

Claude dari Anthropic menemukan sistem enzim ART baru pada bakteriofag

Anthropic telah mengumumkan pembentukan kelompok penelitian ilmu kehidupan baru yang berdedikasi untuk memanfaatkan Claude guna mengidentifikasi famili protein yang belum berkarakterisasi dan menguji hipotesis melalui eksperimen laboratorium. Dalam hasil awal, AI tersebut secara otonom menemukan sistem enzim baru bernama reverse transcriptase terkait array (ART) yang ditemukan pada bakteriofag.

arxiv arXiv cs.AI · 2 hari lalu · 16 tayangan

AIDE^2 memungkinkan peningkatan diri secara rekursif pada agen penelitian AI

Para peneliti menyajikan AIDE^2, sebuah sistem yang mengimplementasikan siklus peningkatan diri secara rekursif untuk agen penelitian AI dengan mengoptimalkan kode internalnya sendiri. Sistem ini mengusulkan perubahan pada logika internalnya, melakukan benchmarking versi yang dimodifikasi pada tugas R&D AI, dan hanya mempertahankan peningkatan yang menunjukkan kinerja terbaik pada evaluasi tersembunyi.

arxiv arXiv cs.AI · 2 hari lalu · 16 tayangan

Growing Harness mengubah kontrol agen berulang menjadi kode yang dapat digunakan kembali melalui pelatihan yang dipandu oleh kegagalan

Para penulis memperkenalkan Growing Harness, sebuah paradigma pelatihan yang mempelajari struktur kontrol agen dari umpan balik tugas, bukan mengandalkan harness standar yang bergantung pada konteks. Dengan mengonversi keputusan kontrol berulang menjadi kode yang dapat dieksekusi dan membatasi panggilan LLM untuk penalaran semantik, metode ini bertujuan menciptakan agen spesialis yang dapat digunakan kembali.

arxiv arXiv cs.LG · 2 hari lalu · 15 tayangan

AIDE^2 memungkinkan peningkatan diri secara rekursif pada agen riset AI

Para peneliti menyajikan AIDE^2, sebuah sistem yang mengimplementasikan siklus peningkatan diri secara rekursif untuk agen riset AI terdepan dengan mengoptimalkan kode internalnya sendiri. Sistem ini mengusulkan perubahan pada logika internalnya, melakukan benchmarking versi yang dimodifikasi pada tugas-tugas R&D AI, dan hanya mempertahankan pembaruan yang berkinerja terbaik pada evaluasi tersembunyi.

arxiv arXiv cs.CL · 2 hari lalu · 18 tayangan

Agensh menskalakan kecerdasan organisasi hingga 1.024 agen

Peneliti memperkenalkan Agensh, sebuah harness multi-agen yang terorganisasi sendiri dan dapat diskalakan yang menghilangkan hambatan orkestrator pusat dengan memungkinkan pekerja konkuren mengklaim sub-tugas secara asinkron dan menggabungkan kemajuan.