Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #394

planning

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Learning What to Skip (LW2S): контрфактуальная оценка вклада для экономных многoагентных LLM-воркфлоу

Статья (arXiv:2609.30734v1) формулирует пропуски компонентов в многoагентных LLM-воркфлоу как задачу контрфактуальной оценки вклада и предлагает метод Learning What to Skip (LW2S). LW2S обучает модели «безопасности» для отдельных действий на основе контролируемых вмешательств по пропуску и с помощью валидации на отложенной выборке и доменно-нативных защит выбирает шаги для пропуска; в экспериментах по математическому рассуждению, тестам с выбором ответа и генерации кода с двумя семействами инструкционных моделей метод снизил записанные токенозатраты при сохранении или улучшении точности полного воркфлоу в исследуемых сценариях.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

К самадаптивному физическому ИИ: могут ли агенты на LLM справляться с долгосрочными физическими задачами?

В препринте на arXiv предложена многоагентная архитектура, объединяющая планирование, вызов инструментов, наблюдение и верификацию для создания самадаптирующихся физических ИИ-агентов, способных решать долгосрочные задачи в нулевой постановке. При оценке на сельскохозяйственных задачах по сравнению с RL-агентами авторы сообщают, что агенты на LLM сопоставимы с RL при тех же погодных условиях и лучше адаптируются при изменении среды.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Планирование или обучение: надёжность и стоимость при обслуживании нескольких активов

В препринте на arXiv проведено эмпирическое сравнение методов планирования и обучения с подкреплением (RL) для обслуживания нескольких подшипников на основе данных до отказа. Исследование показывает, что планирование задаёт надёжность как жёсткое ограничение и даёт политики без отказов с затратами, слабо зависящими от штрафа за отказ, тогда как RL минимизирует ожидаемые затраты и часто жертвует профилактикой ради редких отказов (давая меньшие затраты при низких штрафах, но сохраняющиеся отказы даже при высоких штрафах); также рассмотрены приёмки для ограничения поведения (награждение, маскирование действий) и представлен единый протокол бенчмарка.

6.0