长视界代理的自适应一致图

标签描述: 字体的类型是什么? (Meta description) Adaptive Consistency Graph帮助 AI代理人在长时间任务中保持目标一致,在匹配的评估中将GPT-5.6-luna平均成功率从 44.5% 提高到 50.2%.

标签: 一个字母,一个字符号. (TG) " AI 代理,长视野任务 Adaptive Consistency Graph, GPT-5.6-luna,浏览Comp-Plus

首选图片: 在线视频, 下载地址: http://www. 一个时间线上的抽象网络图, 发光的节点和边缘,

在ACG或Adaptive Consistency Graph背后的论文中,针对长时间任务中的AI代理商提出了一个实际问题:一个代理商可以采取许多本地合理的步骤并且仍然偏离给定的目标.报告的方法为长期运行的模型提供了一种更结构化的方式来推进证据,而评估数字显示了 GPT-5.6-luna 的可测量的改善.

背景:为什么长时间的任务会让工作人员远离目标

在一个长时间的任务中,有用的信息不仅是原始请求.它还包括在执行过程中发现的事实,失败的尝试,工具输出和只有几步后才可见的约束.当所有这些都通过有限的上下文预算推行时,模型可能只保留最近或最突出的片段.

这就造成了一个漂移问题.在当前提示中看起来明智的一步仍然可以将整体工作流程从原始要求转移开来.该源把这作为一个核心问题:如何让代理人能够更进一步地完成长期任务,同时保持与其最初的目标联系,以及他们如何在整个长远执行过程中维持目标,证据和行动之间的联系.

发展:ACG如何将分散的证据转化为可追溯图

ACG通过将执行证据视为应该保留和连接的东西来做出反应,而不是简单地重新插入缩小提示.该框架将证据及其来源组织成一个持久图表.图表想法并非作为一种通用的记忆技巧;论文的观点是每个证据的源头仍然可追溯,这可以帮助代理人确定其下一步行动.

该方法的第二部分是选择.在每个决策点上,ACG 在有限的环境预算内动态地选择任务相关信息.这很重要,因为长时间的任务可以产生比模型一次处理更多的中间信息.一个选择步骤可以决定哪些先前观察,要求和源记录与当前步骤有关.

对于读者来说,设计表明长期运行的代理的可靠性可能不仅取决于原始模型大小,更多地取决於系统如何保护从目标到证据到行动的链条. 可追溯图是使该链在执行过程中可审计和重复使用的一种机制.

最新进展:对应的评估报告在三个基准指标中取得了收益

报告的结果呈现为匹配评估,重点是GPT-5.6-luna.在三个基准值中,ACG提高了模型 44.5%同等加权平均成功率从 44.5% 到 50.2%.该来源还给出了一个基准特定数字:在BrowseComp-Plus上,成功率由 62.4% 增加到 73.5%,增长了 11.1 个百分点.

这些数字很重要,因为它们将架构主张转化为可测试的结果.这些数据表明拟议的基于图表的保留和选择改变了报告中的成功率.

浏览Comp-Plus的结果对于长任务代理特别重要,因为以任务为导向的基准成功可以反映代理是否在多个步骤中保持与所要求目标一致.三种基准平均值还防止故事依赖于单一 dataset :报告中的改进被呈现为整个评估集的一个更广泛的模式,尽管来源没有命名其他两个基准.

当前阶段:数字对长视野代理记忆的说法

目前阶段是研究证据,而不是完整的部署帐户.该材料介绍了ACG作为一个框架,并报告了对 GPT-5.6-luna 的匹配评估收益,BrowseComp-Plus 从 62.4% 增加到 73.5% ,三基准平均值从 44.5% 到 50.2% .现在的问题是持久图如何处理较大的噪音源,更长的工作流程和随时间变化的相关性任务.

接下来可能取决于可追溯证据结构是否可以随着代理任务变得更加复杂而保持. 下一个阶段将显示可追踪图形内存能否在任务长期增长时保持目标,证据和行动的连接.