ALTK-Evolve：习得记忆如何在无需前沿模型的情况下登顶 τ²-bench 客服任务排行榜

Hugging Face Blog 论文
tau2-bench agent-memory customer-service benchmark reinforcement-learning language-models

摘要

ALTK-Evolve 提出了一种习得记忆方法，在 τ²-bench 客服任务排行榜上登顶，未依赖任何前沿模型即取得了最先进的结果。

暂无内容
查看原文

相似文章

考虑使用ACE？我们可以用更少的Token实现

Hugging Face Blog

IBM Research将其ALTK-Evolve方法与ACE进行比较，两者都是智能体记忆系统，允许LLM智能体从过去的轨迹中学习可复用的经验。ALTK-Evolve提供可单独检索的指导准则，而非单一的演进式操作手册，在减少Token使用的同时，保留带有支持计数的未压缩经验。

EvoArena：追踪记忆演化以实现动态环境中鲁棒的LLM智能体

Hugging Face Daily Papers

EvoArena引入了一个基准测试，用于评估LLM智能体在动态环境中的表现，该环境在终端、软件和社交领域具有渐进式更新；同时EvoMem提出了一种基于补丁的记忆范式，记录结构化的演化；实验表明，当前智能体在EvoArena上仅达到39.6%的准确率，而EvoMem在该基准测试上平均提升1.5%，并在GAIA和LoCoMo上也有所改进。

EvoTest：面向自我改进智能体系统的进化式测试时学习

arXiv cs.CL

EvoTest 引入了 J-TTL，一个衡量智能体测试时学习能力的基准，并提出了一个进化框架，其中 Actor 智能体玩游戏，而 Evolver 智能体在不进行微调的情况下迭代改进系统的提示、记忆和超参数。该方法在基于复杂文本的游戏中表现出优于基于反思和记忆的基线方法的性能。