Exo یادگیری حین اجرا را به فرایند کار عامل‌های هوش مصنوعی پیوند می‌دهد

پژوهشگران در پیش‌چاپی در arXiv معماری Exo را معرفی کرده‌اند؛ سامانه‌ای برای یادگیری ایمن عامل‌های هوش مصنوعی حین کار. به‌گفتهٔ نویسندگان، طراحی دستی سیاست‌های چارچوب اجرایی عامل‌ها دشوار است و روش‌های خودکار نیز به داده‌های نماینده و اجرای پرهزینه نیاز دارند. Exo چرخهٔ بهینه‌سازی را در جریان اجرای وظیفه قرار می‌دهد تا عامل بتواند چارچوب اجرایی (harness) و راهبردهایش را برای بهبودهای بعدی تغییر دهد.

در این معماری، لایه‌ای حداقلی و محافظت‌شده تاریخچهٔ اجرا را نگه می‌دارد و فعال‌شدن سیاست‌ها را کنترل می‌کند. تغییرات چارچوب اجرایی نیز به شکل تغییرات کد قابل بازرسی انجام می‌شوند.

در اجرای مستقل روی هدف‌های بلندمدت یک بازی جهان‌باز، Exo هزینهٔ مدل را در مقایسه با Codex و Pi بین ۱۲ تا ۵۳ درصد کاهش داد. در آزمایش‌های انتقال، کاهش هزینه بین ۴۵ تا ۸۲ درصد گزارش شد. چکیده می‌گوید عملکرد Exo در این مقایسه‌ها هم‌تراز بوده، اما متن موجود مشخص نمی‌کند این هم‌ترازی دقیقاً به کدام معیار یا نتیجه اشاره دارد.