arxiv arXiv cs.AI · agora mesmo · research

APEx destila a experiência procedural do agente para pesquisa profunda adaptativa

Traduzido do English → Português (BR)

Pesquisadores propõem o APEx, uma estrutura de utilização hierárquica de experiências que organiza o histórico de interações em memórias de trajetória em nível de instância e habilidades procedimentais em nível de categoria para melhorar agentes de pesquisa profunda.

O sistema acopla essas memórias por meio de uma arquitetura de loop fechado composta pelos módulos Executor, Distiller e Planner.
Esses módulos são otimizados por meio de um paradigma de treinamento GRPO alternante em três etapas para destilação de habilidades guiada por recompensa.
No momento do teste, as habilidades destiladas servem como priores procedimentais para a adaptação online do Planner usando aprendizado por reforço durante o teste guiado por habilidades.
Experimentos em 7 benchmarks mostram que o APEx supera o GPT-5.4 em 14.7 pontos e a linha de base mais forte aumentada com memória em 3.0 pontos.

O APEx permite autoaperfeiçoamento sem necessidade de ground-truth, com regularização de alinhamento de habilidades para evitar deriva da política, alcançando desempenho de ponta em perguntas complexas.

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

Artigos relacionados

arxiv arXiv cs.CL · há 2 h

APEx destila a experiência procedural do agente para pesquisa profunda adaptativa

Pesquisadores propõem o APEx, um framework de utilização hierárquica de experiências projetado para melhorar agentes de pesquisa profunda que respondem perguntas complexas usando ferramentas externas. O sistema organiza o histórico de interações em memórias de trajetória em nível de instância e habilidades procedurais em nível de categoria, acoplando-as através de uma arquitetura Executor, Distiller e Planner.

arxiv arXiv cs.LG · há 21 h · 3 visualizações

CANOPY permite que Qwen3-14B domine o AppWorld usando apenas RL de resultado

O artigo apresenta o CANOPY (Coverage-ANchored On-PolicY RL), um protocolo que aborda a escassez de sinal e o desvio de política no aprendizado por reforço de longo prazo para modelos abertos pequenos. Ao ampliar a exploração na mesma tarefa e manter as atualizações ancoradas em KL, o método permite que os agentes aprendam eficazmente apenas com a verificação ao final da tarefa.

arxiv arXiv cs.CL · há 2 d · 4 visualizações

WebWorld usa navegador como modelo de mundo para autoaperfeiçoamento do código web

Os autores apresentam o WebWorld, uma interface que permite a um Modelo Visão-Linguagem (VLM) interagir autonomamente com o navegador como um modelo de mundo determinístico para código web. Esta abordagem aborda a falha estrutural no autoaperfeiçoamento orientado por VLMs, onde o modelo avalia seus próprios reparos, introduzindo uma contraparte que não pode ser enganada.

media MarkTechPost · há 3 d · 6 visualizações

Google lança o EnvHarness para adaptar ambientes de agentes estáticos ao treinamento

Uma equipe da Google Cloud AI Research, da Washington University em St. Louis e da UNC Chapel Hill lançou o EnvHarness, uma camada programável que transforma benchmarks de agentes estáticos em mundos de treinamento adaptativos. O sistema envolve ambientes existentes usando componentes plug-in que operam estritamente por meio da interface padrão reset() e step(), permitindo que o ambiente se adapte ao treinamento da política sem alterar o simulador subjacente ou os verificadores construídos por humanos.

arxiv arXiv cs.CL · há 7 d · 10 visualizações

JIT-Agent permite evolução dinâmica de harnesses para impulsionar o desempenho de LLMs agênticos

Os autores apresentam o JIT-Agent, um modelo de inteligência de harness treinado para sintetizar harnesses adaptativos a tarefas para LLMs agênticos genéricos disponíveis no mercado. Essa abordagem formaliza o agente como um artefato composável regido por um protocolo fixo de quatro módulos, permitindo que o sistema personalize e repare os harnesses em tempo real.