跳到正文
arXiv · NLP· Arkid Mitra, Snehil Saluja·· 10 天前AI 评分26

固定权重 Agent 的自改进:失败轨迹的价值与局限

Agent Self-Improvement with Frozen Weights: The Added Value and Limits of Failure Traces

AI 导读

固定权重的 90 亿参数模型通过读取大教师模型基于其失败轨迹生成的笔记,在生成客服决策任务中准确率提升 4.0 个百分点。 笔记生成流程本身贡献了约 60% 的改进;在完整客服对话及新的工具使用任务中,这些笔记未展现显著收益。 盲审发现 240 个工具使用测试样本中有 146 个存在缺陷,表明测试数据质量影响了结果的可信度。

来源:arXiv · NLP · arxiv.org