跳到主要内容
检索

# GAIA2

2 篇关联报道

订阅更新
  1. arXiv

    子智能体不再等调度:执行中途可申请改配置,长程任务成功率平均提高9.1%

    POrchestra 让子智能体在执行途中主动向调度器发出结构化请求,调度器据此当场修改子目标、上下文、工具集或执行预算,而不必等子智能体结束或报错。此前的再调度方法把子智能体的配置固定到生命周期结束,动态环境中的配置错配只能延迟处理。在 GAIA、GAIA2 与 SWE-Bench Verified 三个长程基准上,任务成功率相对最强基线平均提高 9.1%;配套的 OPOD 把反馈转成过程监督,使小调度器成功率相对训练基线平均提高 10.0%。

  2. arXiv

    ActiveSaddler 让训练场景随 harness 共同演化,在 GAIA2 与 Terminal-Bench 2.0 上把 Pass@1 分别提高 4.4 和 7.5 个百分点

    该工作把离线 harness 优化中的训练场景选择形式化为自动课程学习问题,提出 ActiveSaddler:用非平稳多臂老虎机把反复出现的失败抽象为可复用的失败模式臂,估计每个臂的潜在学习进展并自适应平衡重访已知弱点与探索未见场景,在 GAIA2 和 Terminal-Bench 2.0 上相比同一优化器使用固定场景顺序分别把测试 Pass@1 提升 4.4 和 7.5 个百分点。

已读完全部报道