enterprise-tasks

Salesforce AI研究显示，当围绕较弱的模型调整代理时，复制较强的模型可能会降低性能；相反，针对较弱模型失败的修正可以改善结果，而不会干扰现有设置。

这项研究探讨了将框架进化与模型适应相结合用于AI代理，发现直接模仿专家会损害较弱模型的性能，并提出了一种基于策略的纠正方法，以在不破坏框架适应企业任务的情况下提高性能。

本文提出一种在线策略专家校正流程，用于协同演化辅助框架与模型，使弱AI模型能通过纠正失败回合而非完全模仿来改进，保持兼容性并提升企业代理任务性能。

介绍了AFTER，一个包含382个企业任务的基准，用于评估LLM智能体中的程序性记忆，表明技能迁移能提升跨任务、角色和模型骨干的性能，部分技能广泛泛化，而另一些则专业化。