Bilanz der Quelle: PivotOPD ist ein neues Ansatz zur Lernenden Agenten, der sich auf Fehler zu rekonstruieren trainiert. In multi-turn Interaktion können Fehler zu kompensieren, da ein unrichtiger Aktion die Zustände des Studenten später verändert. In einer Reihe von Tests auf Qwen3-Modellen (8B bis 235B) haben wir festgestellt, dass mehr als halb der fehlgeschlagenen Rollout ein pivotaler Fehler enthalten, ein Aktion, die den Agenten von der Aufgabe entfernt wird.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
