هوش مصنوعی
چارچوبی برای تکامل گردش‌کارهای عامل‌محور با تجزیهٔ معنایی وظایف
پژوهشگران روشی پیشنهاد کرده‌اند که با استفاده از بازخورد اجرای وظایف، رویه‌های هر مرحله را اصلاح می‌کند و می‌تواند نیاز به فراخوانی مکرر مدل زبانی را کاهش دهد.
پیش‌چاپی در arXiv چارچوبی برای ساخت گردش‌کارهای عامل‌محورِ خودتکامل‌یابنده معرفی می‌کند. در این روش، وظایف پیچیده به زیروظیفه‌هایی تقسیم می‌شوند که هرکدام شرط کاربرد و رویهٔ اجرایی مشخصی دارند؛ رویه می‌تواند کد اجرا کند یا در صورت نیاز از یک مدل زبانی کمک بگیرد. عامل با استفاده از بازخورد اجرای وظایف، تقسیم‌بندی را اصلاح می‌کند و رویه‌ها را به‌روزرسانی می‌کند.
نویسندگان می‌گویند فراخوانی مدل زبانی در هر مرحله، هزینهٔ استنتاج و تأخیر را افزایش می‌دهد. آن‌ها چارچوب را در رقابت GLEE برای وظایف چانه‌زنی، مذاکره و متقاعدسازی آزمایش کرده‌اند. بر اساس چکیدهٔ مقاله، بیشتر رویه‌های مشاهده‌شده برای تصمیم‌گیری نهایی با کد پیاده‌سازی شده بودند. این کار در نسخهٔ نخست به‌صورت پیش‌چاپ منتشر شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده