ایجنت
@rohanpaul_ai
قدیما اگه میخواستی یه ایجنت هوش مصنوعی خودش خودشو ارتقا بده، همیشه باید یه بنده خدایی مینشست و سیستم نمرهدهی رو دستی براش تعریف میکرد، اما بچههای آمازون و بانک HSBC اومدن با یه روش جدید به اسم «دابل رَچِت» کلاً این بند و بساط رو جمع کردن

قدیما اگه میخواستی یه ایجنت هوش مصنوعی خودش خودشو ارتقا بده، همیشه باید یه بنده خدایی مینشست و سیستم نمرهدهی رو دستی براش تعریف میکرد، اما بچههای آمازون و بانک HSBC اومدن با یه روش جدید به اسم «دابل رَچِت» کلاً این بند و بساط رو جمع کردن. ماجرا اینه که تو این سیستم، خودِ نمرهدهنده پا به پای مهارتهای ایجنت و فقط با دیدن ۱۰ تا نمونه برچسبخورده رشد میکنه و چک میکنه که مدل الکی و مفت نمره نگیره. جالبیش اینجاست که این مدل رو توی کدنویسی، SQL و گزارشنویسی تست کردن و دیدن بین ۸۸ تا ۱۱۰ درصد همپای معیارهای انسانی و واقعی جواب میده و کار رو درمیاره.
منبع
Rohan Paul@rohanpaul_ai
Self-improving agents have always needed a human to write the grader.
A new AWS + HSBC paper removes that step: the grader evolves alongside the agent from 10 labeled examples and trains it about as well as ground truth.
Double Ratchet evolves the grader alongside the agent's skills, building it from small, mostly rule-based checks for 1 failure type each. A grader version is chosen for agreeing with 10 labeled examples, never for raising the agent's score.
It kept 88% to 110% of the gain that ground truth or a rubric gave the same skill loop, across code, SQL, and reports. With the safeguards removed, the grader passed 97% to 100% of outputs yet trained skills as well.
۲۰ مهر ۱۴۰۵مشاهده در X



نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.