Mga Papel at Pananaliksik

ALIGN ng ModelBest: awtomatikong pag-align ng interface ng AI agent at environment

Orihinal na pamagat:Everyone building LLM agents pours effort into the agent's strategy or into harder environments. The...

AI summary

Iminungkahi ng ModelBest at ng NLP team ng Tsinghua ang ALIGN, na awtomatikong bumubuo ng alignment interface upang malutas ang mismatch sa pagitan ng AI agent at environment. Sa pamamagitan lamang ng pagbabago ng wording ng feedback, tumaas ang success rate ng Qwen2.5-7B agent sa ALFWorld mula 13.4% patungong 31.3%. Sa apat na benchmark, hanggang 45.67% ang pagtaas ng success rate ng pamamaraang ito, at nababawasan ng 65% ang tuloy-tuloy na invalid actions; naililipat din ang interface sa iba't ibang agent architecture at LLM backbone.

Mahahalagang impormasyon

  • Iminungkahi ng ModelBest at ng NLP team ng Tsinghua ang ALIGN,na awtomatikong bumubuo ng alignment…
  • Sa pamamagitan lamang ng pagbabago ng wording ng feedback,tumaas ang success rate ng Qwen2.
  • 5-7B agent sa ALFWorld mula 13.
  • 4% patungong 31.
  • Sa apat na benchmark,hanggang 45.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
X:面壁智能 OpenBMB (@OpenBMB)
Kategorya
Mga Papel at Pananaliksik
AI na marka
75
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

做 agent 的人都知道环境对齐是个隐形的坑,这篇论文不仅把问题讲透了,还给了开箱即用的 wrapper,ALFWorld 上成功率从 13% 拉到 31%,原因只是改写了反馈措辞,我觉得这是今年 agent 工程最被低估的发现。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: ALIGN ng ModelBest: awtomatikong pag-align ng interface ng AI agent at environment. 31 Hulyo 2026. https://new.nat6.net/fil/news/cms8zb830079vro7v2z6a4btv/

Tingnan lahat →