arxiv arXiv cs.AI · 14 jam lalu · research

Penalaran meta-agentic menskalakan inferensi melalui kontrol eksplisit

Diterjemahkan dari English → Bahasa Indonesia

Para penulis memperkenalkan penalaran meta-agentic, sebuah harness waktu inferensi yang menyusun pilihan eksekusi untuk tugas jangka panjang. Sebuah pengontrol mengelola proses dengan mengonsolidasikan kemajuan dan mengirimkan pekerjaan berdasarkan akun eksekusi ringkas daripada riwayat lengkap.

Di ProgramBench, penalaran meta-mencapai 71.5% dengan GPT-5.5 melawan 58.0% untuk Codex, dan 67.2% dengan Opus 4.8 melawan 65.5% untuk Claude Code. Melalui penalaran abstrak, penalaran jangka panjang multi-domain, dan benchmark generasi bukti, ia mendapatkan antara 3.6 hingga 4.2 poin dibandingkan kontrol langsung. Analisis graf artefak menunjukkan peningkatan penggunaan kembali pekerjaan sebelumnya dan cakupan solusi yang lebih tinggi.

Hasilnya menunjukkan bahwa menghabiskan komputasi untuk kontrol terstruktur menjadi semakin penting saat agen menskalakan ke eksekusi yang lebih panjang.

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

Benchmark

Benchmark	Model	Skor
SWE-Lancer	GPT-5.5	71.5%
SWE-Lancer	Claude Opus 4.8	67.2%

Baca aslinya

Kerangka kerja GRASP meningkatkan perencanaan strategis dengan AI agen multi-tahap

Para peneliti memperkenalkan GRASP, sebuah kerangka kerja perencanaan multi-tahap yang sadar strategi, dirancang untuk menghasilkan rencana yang dapat dieksekusi dalam bahasa alami berkualitas tinggi untuk tugas-tugas kompleks dengan memisahkan pipa proses menjadi modul-modul khusus. Sistem ini melakukan pra-kompilasi pedoman makro global melalui GenPlan, mengeksplorasi strategi terlokalisasi melalui RevPlan, dan mengevaluasi lintasan menggunakan diskriminator multi-kriteria bernama VerPlan.

arxiv arXiv cs.AI · 6 hari lalu · 6 tayangan

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

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.

lab Anthropic News · 7 hari lalu · 40 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 · 8 hari lalu · 25 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 · 8 hari lalu · 26 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.