RSS VentureBeat
Подписаться
EAGLET повышает производительность ИИ-агентов в задачах с более длительным горизонтом, генерируя пользовательские планы.
ИИ-агенты, которым предсказывают значимость в 2025 году, сталкиваются с трудностями при эффективном выполнении многоэтапных задач. Разработанная исследователями структура EAGLET направлена на повышение производительности этих агентов при выполнении долгосрочных задач. EAGLET использует "глобальный планировщик" для направления агентов, смягчая ошибки планирования без необходимости ручной разметки данных или переобучения. Этот планировщик, точно настроенный с использованием двухэтапного процесса, генерирует план высокого уровня для уменьшения галлюцинаций и повышения эффективности. Ключевым нововведением является вознаграждение за прирост возможностей исполнителя (ECGR), которое измеряет эффективность сгенерированных планов. Структура разработана для легкой интеграции в существующие рабочие процессы агентов, улучшая производительность различных моделей. EAGLET превзошел другие методы планирования в таких эталонных тестах, как ScienceWorld и ALFWorld. Исследование демонстрирует улучшение показателей выполнения задач и сокращение шагов, необходимых для выполнения. Несмотря на многообещающие результаты, код еще не находится в открытом доступе, что вызывает вопросы о реализации. Развертывание на предприятиях сталкивается с дополнительными трудностями, связанными с простотой интеграции, требующей дальнейшего изучения практического применения. Несмотря на эти соображения, EAGLET предлагает перспективную стратегию повышения надежности и эффективности агентов LLM.
