AgentEvolver de la Alibaba îmbunătățește performanța modelului în utilizarea instrumentelor cu ~30% folosind sarcini sintetice, generate automat

AgentEvolver, un nou cadru de la Tongyi Lab al Alibaba, permite agenților auto-evoluativi să creeze propriile date de antrenament prin explorarea mediilor lor de aplicație. Acest cadru valorifică cunoștințele și capacitățile de raționament ale modelelor lingvistice mari pentru învățare autonomă. Experimentele arată că AgentEvolver este mai eficient în explorarea mediului său, folosește mai bine datele și se adaptează mai rapid decât cadrele tradiționale de învățare prin întărire.

Costul ridicat și efortul manual de colectare a seturilor de date specifice sarcinilor sunt abordate de AgentEvolver. Învățarea prin întărire necesită adesea o muncă manuală semnificativă pentru a crea exemple de sarcini, în special în medii software noi sau proprietare. Bucla de auto-antrenament a cadrului permite agentului să se îmbunătățească continuu prin interacțiunea cu mediul său țintă, fără sarcini predefinite sau funcții de recompensă.

AgentEvolver folosește auto-întrebarea pentru a explora mediul său, a genera sarcini diverse și a rafina performanța. Acest lucru reduce nevoia de seturi de date realizate manual, permițând agentului și sarcinilor sale să co-evolueze și să gestioneze provocări mai complexe. Sistemul este conceput pentru a obține o evoluție autonomă și eficientă a capacităților prin interacțiunea cu mediul.