arxiv arXiv cs.AI · há 1 h · research

AREX apresenta agentes de pesquisa profunda que se auto-melhoram recursivamente

Traduzido do English → Português (BR)

Pesquisadores apresentam o AREX, uma família de agentes de pesquisa profunda Recursivamente Auto-Melhoráveis (RSI) projetados para abordar a assimetria entre descoberta e verificação em consultas complexas. O AREX alterna entre um loop interno que coleta evidências e constrói respostas provisórias, e um loop externo que audita restrições para guiar o refinamento direcionado.

O sistema emprega uma ferramenta autônoma de atualização de contexto para comprimir o histórico de interações em um estado compacto sem modelos externos. O treinamento utiliza treinamento intermediário agêntico e aprendizado por reforço de longo alcance em tarefas sintéticas verificadas, enfatizando etapas onde evidências decisivas são adquiridas ou erros são corrigidos. A equipe instancia versões densas de 4B e 122B-A10B Mixture-of-Experts do modelo.

Em benchmarks incluindo BrowseComp, WideSearch, DeepSearchQA e Humanity's Last Exam, o AREX supera substancialmente as linhas de base de escala comparável enquanto permanece competitivo em relação a modelos que utilizam significativamente mais parâmetros ativados.

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

Artigos relacionados

arxiv arXiv cs.CL · há 23 h

Relatório Técnico do Solar Open 2

O Relatório Técnico do Solar Open 2 apresenta o Solar Open 2, um modelo de linguagem Mixture-of-Experts de 250B-A15B projetado para tarefas agênticas de longo prazo. Ele alcança uma janela de contexto de 1M de tokens por meio de uma pilha de atenção híbrida e é treinado usando inicialização eficiente a partir do Solar Open 1 e dados de alto valor curados.

media Hugging Face Forums · há 2 d

SEMA explora arquitetura de IA não transformadora usando Arquitetura de Símbolos Vetoriais

SEMA é uma arquitetura experimental de IA que investiga se a compreensão e o raciocínio linguístico podem emergir de uma estrutura semântica explícita em vez da previsão do próximo token. Ela serve como um sistema de raciocínio baseado em instâncias não paramétrico, utilizando Arquitetura de Símbolos Vetoriais (VSA/HDC) sobre memória endereçável por conteúdo.

arxiv arXiv cs.AI · há 7 d

HealthClaw: agente de código aberto com memória autoevolutiva para gestão longitudinal da saúde pessoal

Pesquisadores desenvolveram o HealthClaw, uma arquitetura de agente de código aberto projetada para atualizar o suporte à medida que as rotinas, preferências, medições e riscos de uma pessoa mudam ao longo do tempo. Ele separa regras de segurança compartilhadas e conhecimento médico da memória longitudinal privada contendo fatos do perfil, procedimentos reutilizáveis e rastros episódicos.

arxiv arXiv cs.LG · há 7 d

TRACE melhora o uso de ferramentas por agentes de longo prazo via estimativa de crédito por turno

Os autores propõem o TRACE (Turn-level Reward Assignment via Credit Estimation), um método de atribuição de crédito denso para aprendizado por reforço agêntico que aborda a esparsidade e a alta variância das recompensas de resultado em tarefas de longo prazo. Ao representar os rollouts como transições de estado nas fronteiras de chamadas de ferramentas e derivar recompensas por ação a partir de valores de estado com log-ratio, o TRACE permite treinamento eficaz sem críticos adicionais ou estágios de ajuste fino supervisionado.

arxiv arXiv cs.AI · há 7 d

Modelo DVM-HALL e métrica NHAS abordam a lealdade no comércio autônomo

O artigo apresenta o modelo Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) para abordar como os paradigmas tradicionais de lealdade do cliente falham quando agentes de IA executam decisões de compra de forma autônoma. Ele propõe um framework onde a escolha da marca é determinada pela equidade emocional humana, utilidade agêntica, confiança calibrada e riscos de execução verificável em ambientes de finanças descentralizadas.