एजेंट सुदृढ़ीकरण: टूल-कॉलिंग एआई एजेंट के लिए अनुमान-समय प्रतिक्रिया व्यवस्था
मूल शीर्षक:Reinforced Agent: Inference-Time Feedback for Tool-Calling Agents
AI सारांश
यह पेपर टूल-कॉलिंग एआई एजेंट के रीयल-टाइम निष्पादन लूप में मूल्यांकन व्यवस्था को एकीकृत करने की नई विधि प्रस्तुत करता है। एक समर्पित समीक्षक एजेंट शामिल करके, अनुमान के समय मुख्य एजेंट के मध्यवर्ती निर्णय पथ का तत्काल मूल्यांकन किया जाता है और संरचित प्रतिक्रिया उत्पन्न की जाती है। इससे मुख्य एजेंट एक ही रन में अपने टूल चयन और पैरामीटर कॉल को गतिशील रूप से समायोजित कर सकता है, बिना पारंपरिक प्रॉम्प्ट ट्यूनिंग या मॉडल पुनःप्रशिक्षण पर निर्भर रहे। यह रीयल-टाइम हस्तक्षेप व्यवस्था सीधे त्रुटियों को सुधारने का लक्ष्य रखती है, टूल उपयोग की सटीकता और विश्वसनीयता बढ़ाती है और पारंपरिक पश्चात मूल्यांकन की उस सीमा को तोड़ती है जो चलने के दौरान व्यवहार सुधार नहीं कर सकता। यह कार्य ACL 2026 के प्राकृतिक भाषा जनरेशन, मूल्यांकन और मेट्रिक्स कार्यशाला में स्वीकृत हुआ है।
मुख्य जानकारी
- यह पेपर टूल-कॉलिंग एआई एजेंट के रीयल-टाइम निष्पादन लूप में मूल्यांकन व्यवस्था को एकीकृत करने की नई…
- बिना पारंपरिक प्रॉम्प्ट ट्यूनिंग या मॉडल पुनःप्रशिक्षण पर निर्भर रहे। यह रीयल-टाइम हस्तक्षेप…
- टूल उपयोग की सटीकता और विश्वसनीयता बढ़ाती है और पारंपरिक पश्चात मूल्यांकन की उस सीमा को तोड़ती है…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 64
Apple 把评估嵌进 agent 执行循环,不是事后分锅,而是让 reviewer 实时纠错,这对 tool-calling 类应用是个真方向,做 agent 架构的值得细读。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: एजेंट सुदृढ़ीकरण: टूल-कॉलिंग एआई एजेंट के लिए अनुमान-समय प्रतिक्रिया व्यवस्था। 1 मई 2026। https://new.nat6.net/hi/news/cmor004mg009pslixj4w10r3i/