Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #13378

WebShop

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

4

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование: у торговых агентов на базе LLM усиление рассуждений повышает уверенность, но не точность

Статья на arXiv (arXiv:2611.22033v1) протестировала десять передовых LLM на трёх наборах для выбора товаров (WebShop, Amazon SQID, Wayfair WANDS) и обнаружила, что призывы к более глубокой обработке не улучшают качество покупательских решений, но заметно повышают заявленную уверенность. Авторы также показывают плохую калибровку моделей на разных уровнях усилий и сильную корреляцию ошибок, когда многие модели выбирают одни и те же неверные товары.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

EvoDisco: эволюционное обнаружение стратегий для эволюции памяти агента

EvoDisco (arXiv:2611.22102v1) рассматривает эволюцию памяти агента как задачу поиска эволюционных стратегий: обучаемая политика выбирает и конкретизирует один из четырёх семантических операторов — Abstract, Refine, Bridge, Reframe — вместо фиксированного расписания обновлений памяти. С биуровневой функцией пригодности (внутренний сигнал: качество поиска + штраф за сложность; внешний: эффективность стратегий за окно прошлых решений) EvoDisco превосходит сильные эталоны MemP и MemRL на ALFWorld, WebShop и LifelongAgentBench, с наибольшими приростами на ALFWorld (+8.8 онлайн / +12.9 при переносе; +16.4 / +17.9 соответственно).

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

M-Plan: замкнутая многоагентная система с долгосрочной и краткосрочной памятью для LLM-агентов

M-Plan — это замкнутая многоагентная система, объединяющая долгосрочную и краткосрочную память с помощью глобально-локального и прошлое‑текущее ориентированного руководства по задачам. В статье (arXiv:2610.27032v1) описаны генерация подсказок во время выполнения, локальные подсказки при затруднениях, оптимизация памяти после задачи и показано улучшение точности и эффективности на многотуровых наборах ALFWorld, WebShop и PDDL по сравнению с базовыми методами.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Tропическая обучаемость с подкреплением (TROPIC): замена суммы на максимум для композиции решений

Представлен доклад на arXiv, предлагающий «тропическое» обучение с подкреплением: вместо суммирования вероятностей альтернатив используется максимум (тропическая полукольцо), так что значение состояния — логарифм вероятности наиболее вероятного проверенного решения с явным воспроизводимым путем. Авторы предлагают алгоритм TROPIC для детерминированных, сбрасываемых сред с проверяемыми исходами и приводят улучшение до 16 процентных пунктов по четырем задачам (Sokoban, Countdown, FrozenLake, WebShop) по сравнению с сильными on-policy бюджетами.

7.0