标签
本文介绍了AEM，这是一种用于智能体强化学习的无监督方法，通过在响应级别自适应调整熵动态来改善探索与利用之间的平衡。通过在ALFWorld和SWE-bench等基准测试上展示性能提升，该方法将不确定性估计与动作粒度对齐。
本文介绍了SemEval-2026任务8生成子任务的获胜系统。该系统采用由七个大语言模型组成的异构集成，结合双重提示策略，并使用GPT-4o-mini作为裁判来挑选最佳响应。该系统以0.7827的条件调和平均数获得第一名，优于所有基线模型，证明了模型多样性的价值。
Anthropic 发布了一份指南，介绍如何为 AI Agent 设计严谨的自动化评测方案，重点解决了多轮交互和状态修改带来的复杂性挑战。