arxiv arXiv cs.CL · agora mesmo · fonte: há 2 d · research

TaoLive apresenta Treinamento Consciente do Harness para agentes de avatar digital evolutivos

Traduzido do English → Português (BR)

Pesquisadores apresentam o TaoLive, um relatório técnico sobre o treinamento de agentes de avatar digital que podem se adaptar a estratégias de negócios em mudança em tempo real no comércio eletrônico ao vivo, sem necessidade de retreinamento. O sistema utiliza um Harness evolutivo para desacoplar habilidades e ferramentas dos pesos do modelo, abordando o desafio de os modelos memorizarem configurações desatualizadas por meio do Treinamento Consciente do Harness (HAT).

O HAT emprega Aumento de Estado do Harness em três etapas: ajuste fino supervisionado, destilação on-policy geral e aprendizado por reforço agêntico.
O modelo compacto de 35B obtém pontuação de 94,8 no Live-Stream QA e 94,6 no Harness-Variant QA, superando o modelo base (80,3) e o LLM geral mais forte (93,0).
O sistema alcança latência P50 de 3,407 s e P95 de 8,114 s em uma única GPU NVIDIA H20 com MTP habilitado.

Essa abordagem produz um agente compacto viável em termos de latência que permanece eficaz sob as mudanças de Harness avaliadas, sem sacrificar o seguimento geral de instruções.

Importância 2/3 Novo ambiente de avaliação com diferenciais arXiv cs.CL AI agents Training methods

Benchmarks

Benchmark	Modelo	Pontuação
IFEval	compact 35B model	83.5%

Artigos relacionados

arxiv arXiv cs.CL · há 1 d · 7 visualizações

SocialRL treina modelo de 4B para igualar GPT-5 em negociação por meio de raciocínio social

Pesquisadores apresentam o SocialRL, uma receita de treinamento que reforça diretamente o raciocínio social em modelos de linguagem pequenos para melhorar seu desempenho como negociadores estratégicos. Aplicado a um modelo de 4B em seis domínios, incluindo Deal-or-No-Deal e Entrevista de Emprego, a abordagem permite que o modelo iguale ou supere o desempenho da família GPT-5 em cenários não vistos.

media MarkTechPost · há 16 d · 17 visualizações

NeMo da NVIDIA lança Molt, um framework de RL agêntico compacto e nativo PyT

A equipe NeMo da NVIDIA lançou o Molt, um framework de aprendizado por reforço agêntico de código aberto projetado para reduzir a complexidade da iteração de algoritmos para pesquisadores. A base de código possui aproximadamente 8,6K linhas de código RL, significativamente menor do que frameworks comparáveis como verl (62K linhas) e slime (25K linhas).

media Hugging Face Forums · há 16 d · 15 visualizações

Investigando se rastros de agentes com falha podem ser usados como dados de ajuste fino

O autor propõe a hipótese de que rastros de agentes que usam ferramentas e falham, como seleções incorretas de ferramentas ou argumentos malformados, podem servir como dados valiosos de ajuste fino para treinar modelos a se afastarem desses erros. O post busca feedback da comunidade sobre se o treinamento em rastros de falha corrigidos é eficaz ou prejudicial.

lab Microsoft Research Blog · há 18 d · 18 visualizações

Microsoft Research apresenta EvoLib para aprendizado em tempo de teste com uma biblioteca em evolução

A Microsoft Research apresentou o EvoLib, um framework que permite que modelos de linguagem grandes aprendam com sua própria experiência durante a inferência, sem exigir rótulos de verdade fundamental ou feedback externo. Em vez de armazenar experiências brutas como memórias estáticas, o EvoLib as transforma em habilidades reutilizáveis e insights reflexivos que são continuamente refinados, consolidados e reponderados.

lab Microsoft Research Blog · há 18 d · 23 visualizações

Microsoft lança Echoverse para treinar agentes de uso de computador

A Microsoft Research lançou o Echoverse, uma coleção de doze ambientes sintéticos profundos projetados para treinar agentes de uso de computador. A iniciativa inclui dez mundos específicos de domínio e dois mundos focados em capacidades, todos construídos para manter um estado coerente e fidelidade comportamental.