Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #11638

NAQD-Env

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Файн-тюнинг Qwen2.5-3B (LoRA) для отзыва действий в синтетической NAQD-Env

В этой версии на arXiv авторы изучают супервизированный файн-тюнинг (LoRA) Qwen2.5-3B-Instruct в среде NAQD-Env для селективного отзыва действий (при утрате поддержки). SFT-чекпоинты повышают согласие решений (0.77–0.92) и полноту отзыва (0.46–0.86) по сравнению с базовыми моделями (согласие 0.45–0.63, полнота отзыва ≤0.06), но демонстрируют специфичные по правилу ошибки (например, чекпоинт с оригинальной программой неправильно отозвал 26 из 34 действий) и другие ограничения; вклад — метод обнаружения таких регрессий, а не доказательство безопасности от одного лишь файн-тюнинга.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

NAQD-Env: бенчмарк для селективного прерывания в языковых агентах

Статья (arXiv:2609.38460v1) представляет NAQD-Env — синтетический детерминированный бенчмарк для оценки решений языковых агентов о приостановке, сохранении и возобновлении действий по 11 семействам зависимостей и явным входным данным о доказательствах/разрешениях. Оценка трёх открытых моделей (Qwen2.5-7B, Qwen2.5-3B, Llama-3.1-8B) в трёх условиях подсказки на 350 сценариях (3 150 эпизодов) показала очень низкую полноту отзыва (≤0,06), отсутствие корректных возобновлений и лишь один эпизод, полностью совпавший с эталонной политикой; дообучение повысило точность решений Qwen2.5-3B, но привело к другим проблемам.

6.0