HarnessAdapt-RL: Ajan eğitimi için dinamik iskelet uyarlama
HarnessAdapt-RL, kodlama ajanlarını eğitirken politika ile iskeleti birlikte optimize eden yeni bir pekiştirmeli öğrenme çerçevesi sunar. Dondurulmuş öğretmen modelleri, görev bazlı beceriler üretir ve tekrarlayan etkileşim sorunlarını çözmek için araçları evrimleştirir. Bu dinamik uyarlama, sabit iskeletli geleneksel yöntemlere kıyasla daha yüksek başarı oranları elde edilmesini sağlar.
Bu yazıda
Ne değişti?
Yöntem, politika eğitimi sırasında dondurulmuş öğretmen modelleri kullanarak görev bazlı mekanizma becerileri üretir ve araçları evrimleştirir.
9B tabanlı modelde, insan tasarımı OpenHands iskeletli GRPO'ya kıyasla SWE-bench Verified'da 9.8 puanlık bir pass@1 artışı sağlanmıştır.
Neden önemli?
Geleneksel yaklaşımlarda iskelet sabit tutulurken, bu çalışma eğitim sırasında iskeletin de modelle birlikte evrilmesini sağlar. Bu, ajanın farklı görevlerdeki zayıf tamir stratejilerini ve etkileşim sorunlarını gerçek zamanlı olarak düzeltmesine olanak tanır.
Geliştirici için ne anlama geliyor?
Geliştiriciler, ajan geliştirirken yalnızca modeli değil, araçları ve etkileşim kurallarını da dinamik olarak optimize edebilir. Bu yaklaşım, sabit bir iskeletle sınırlı kalmadan, modelin öğrenme sürecine göre kendini adapte eden daha dayanıklı sistemler kurmayı mümkün kılar.
Henüz neyi bilmiyoruz?
- Sonuçlar yalnızca 9B parametreli bir taban model ve SWE-bench ailesi test setleri üzerinde raporlanmıştır.
- Araçların ve kanca mekanizmalarının dağıtım aşamasında kaldırılması, performansda 7.7 puana kadar düşüşe neden olmaktadır.
Haberin kaynakları
Birincil kaynakTraining the Whole Agent, Not Just the Modelarxiv.org Araştırma keşfiHugging Face Daily PapersÖzgün sayfayı açYayın tarihleri
- blue'og yayını
- Kaynak yayını
Bu yazı, bağlantılı kaynaklar okunarak yapay zekâ ile hazırlandı. Kaynaktaki bulguların yanı sıra kullanım alanları ve açıklanmayan noktalar da yer alır. Kapak, konuyu anlatan bir illüstrasyondur. En güncel ayrıntılar için kaynakları inceleyebilirsiniz.
