R²Orch : Orchestration d'agents par auto-amélioration récursive
En bref
- R²Orch utilise un double boucle d'auto-amélioration : interne (auto-jeu) et externe (optimisation de l'apprentissage interne).
- La méthode évalue la fiabilité des compétences via un retrait contrôlé et une internalisation des échecs en compétences.
- Les résultats sur 12 jeux de données montrent une supériorité face aux baselines en QA, maths, code et tâches interactives.
Une nouvelle méthode, R²Orch, permet aux systèmes d'orchestration d'agents de s'améliorer en continu par auto-jeu et internalisation des compétences. Elle résout des défis comme les curriculums manuels ou l'effondrement des avantages en évaluation. Les tests sur douze jeux de données montrent des performances supérieures aux approches existantes.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur