arxiv arXiv cs.LG · há 1 h · research

Faça sua própria pesquisa: Aprender a prever aprendendo a pesquisar

Traduzido do English → Português (BR)

Os pesquisadores apresentam um ambiente e conjunto de dados de previsão baseados em agentes derivados de mais de 2.100 perguntas resolvidas do Polymarket para treinar modelos de linguagem a reunir suas próprias evidências. O sistema permite que os agentes adquiram contexto por meio de pesquisa na web e séries temporais financeiras no momento da rollout, com restrição de filtragem de vazamento para garantir que a informação preceda o corte da pergunta.

Treinado no Qwen3.5-35B-A3B usando GRPO de uma única época com recompensa baseada no escore de Brier.
A calibração melhora em 30-40% e as tentativas de pesquisa diminuem de 3,8 para 2,25 por rollout à medida que a disciplina de evidências é aprendida.
O modelo supera quatro modelos de ponta, incluindo Claude Opus 4.5 (Brier suave 0,254 vs 0,256), por aproximadamente 5% do custo de inferência.

Os autores lançam o ambiente, o conjunto de dados e os registros por rollout como uma estrutura reutilizável para agentes de previsão temporal.

Importância 2/3 Novo ambiente de avaliação com diferenciais arXiv cs.LG Alibaba (Qwen) AI agents Training methods

Artigos relacionados

arxiv arXiv cs.CL · há 8 d · 8 visualizações

VHD-Play gera ambientes de RL agêntico a partir de mecanismos resolvidos

O VHD-Play é um pipeline que gera ambientes diversos de aprendizado por reforço agêntico ao amostrar e resolver modelos matemáticos antes de renderizar seus processos de decisão como ferramentas com estado. Essa abordagem garante que dinâmicas executáveis e referências de pontuação de trajetória sejam herdadas diretamente do modelo resolvido, abordando os problemas de desalinhamento comuns em pipelines de geração existentes.

arxiv arXiv cs.CL · há 8 d · 10 visualizações

SkillGym internaliza habilidades humanas em LLMs para resolução de problemas do mundo real

Pesquisadores apresentam o SkillGym, um framework que transforma habilidades de agentes escritas por humanos em ambientes de treinamento executáveis e verificáveis para agentes de modelos de linguagem grandes. O sistema utiliza um pipeline de habilidade para tarefa para instanciar tarefas concretas e verificar resultados com verificadores baseados em código.

arxiv arXiv cs.CL · há 23 d · 34 visualizações

ExecCritic usa RL específico por função para melhorar agentes de codificação por meio de reparo guiado por testes

Pesquisadores apresentam o ExecCritic, um framework que combina uma estrutura de testar-verificar-revisar com aprendizado por reforço específico por função para aprimorar agentes de codificação. O sistema separa a construção de testes do reparo do código-fonte, utilizando um agente Test para gerar testes nativos do repositório e um agente Repair para revisar o código com base no feedback de execução.

lab Hugging Face Blog · há 5 h · 3 visualizações

ServiceNow CoreAI lança AutoSynthData para gerar dados de treinamento de agentes empresariais

O ServiceNow CoreAI apresenta o AutoSynthData, um pipeline que gera e valida tarefas de treinamento sintéticas para agentes empresariais alavancando falhas do modelo alvo e sucessos de um professor mais forte. O sistema identifica lacunas de capacidade por meio de avaliações diagnósticas e cria tarefas executáveis com verificadores para abordar fraquezas específicas.

lab Microsoft Research Blog · há 2 d · 3 visualizações

Sistema da Microsoft Research prevê riscos de clima espacial para 66.935 subestações dos EUA

Um pipeline de aprendizado de máquina desenvolvido na Microsoft Research gera estimativas de risco de corrente geomagneticamente induzida (GIC) específicas por localização para 66.935 subestações nos Estados Unidos continentais. O sistema combina previsões de vento solar com dados geológicos locais para fornecer aos operadores da rede 30 a 60 minutos de aviso antecipado antes que riscos específicos apareçam.