arXiv · ML· Yujia Zhang, Xinqi Ren, Shixiong Zhou, Jia Meng·· 7 天前AI 评分36
Gemma 4 12B 无教师共进化机制提升 LLM Agent 可靠性
Knowledge in the Harness, Reliability in the Weights: Teacher-Free Co-Evolution of an LLM Agent
AI 导读
基于 Gemma 4 12B 的 Agent 通过无教师自进化策略,在 τ²-bench 零售和航空域分别提升 12.5 和 19.5 个 pass¹ 点。 该模型结合技能规则诊断与 GRPO 训练的 LoRA 适配器,历经代码检查及验证门控筛选。 结果超越基准参考 Agent,显著缩小了与前沿模型的差距。
来源:arXiv · ML · arxiv.org