Rollout-Time Intervention ajan eğitiminde yeni görevleri sınadı
Çerçeve, eğitim sırasında ajan denemelerine çoklu ajan düzeltmesi ekliyor ve dağılım kaymasını filtreliyor.
Olay / veri dönemi: 2026-10-09
Yayın: · Güncelleme:
Alibaba ve Hong Kong University of Science and Technology bağlantılı araştırmacılar Rollout-Time Intervention (RTI) yöntemini tanıttı. RTI, eğitim sırasında başarısız ajan denemelerine görev için hazırlanmış bir rubrik üzerinden çoklu ajan düzeltmeleri uyguluyor; ardından modelden uzaklaşan müdahale izlerini eleyip kalan veriyi ağırlıklandırıyor.
Claw-Eval-Hard20 dış-dağılım testinde RTI kullanan modelin Pass@1 oranı yüzde 62,92 olarak raporlandı. Bu değerlendirmedeki görev aileleri sentez eğitiminde kullanılmadı, ancak deney hâlâ araştırmacıların oluşturduğu görevler ve API simülasyonlarıyla sınırlı; makale ayrıca aynı görev ailelerine bağlı bir iç-dağılım sonucu da veriyor. Bulgular genel amaçlı ajan performansını kanıtlamıyor.
Veriler
Araştırma sonucu
Claw-Eval-Hard20; eğitim sentezinde kullanılmayan görev aileleri; Pass@1
| RTI modeli Claw-Eval-Hard20 dış-dağılım Pass@1 | 62.92 | Claw-Eval-Hard20; eğitim sentezinde kullanılmayan görev aileleri; Pass@1 |
Yöntem
Değer, makalenin belirttiği benchmark deneyiyle sınırlıdır; saha sonucu veya genel performans garantisi değildir.
Güncelleme:
Konular ve yerler
Konu önerileri
- Bilim ve teknolojiÖneri
- Preserved editorial category/topic; broad candidate onlyarxiv.org ↗
Coğrafi referanslar
Yalnızca kaynakta bulunan coğrafi referanslar gösterilir. Harici haritayı açmak isteğe bağlıdır. İsteğe bağlı haber haritaları OpenStreetMap kullanır. Haritayı açtığınızda IP adresiniz ve site adresi harita sağlayıcısına iletilir; harita yüklenmeden konum verileri metin olarak okunabilir.
- Çin · Yer rolü: Kapsam · Yer türü: Ülke veya bölge · Konum kesinliği: BölgeselKanıt
- Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗