Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #5538

Terminal-Bench 2.1

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Self-Direction: агенты превращают ошибки в постоянные низкоранговые адаптеры

Авторы предлагают Self-Direction — метод, при котором агент анализирует неудачные траектории, извлекает уроки и сразу дистиллирует их в лёгкие низкоранговые адаптеры (~0.02% параметров базовой модели) при сохранении зафиксированных базовых весов; адаптеры сохраняются в библиотеке и перенаправляются на похожие задачи. Эксперименты с открытыми моделями семейства Qwen на GAIA, Claw-Eval и Terminal-Bench 2.1 показывают прирост успеха на 8.9–17.0 процентных пункта, снижение повторяющихся ошибок (почти двукратное повышение надёжности исправлений) и переносимость нескольких адаптеров на десятки новых задач.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

DENSE: Дистилляция траекторий агентов в доказательной «короткой» иерархии для самосовершенствования (arXiv:2609.21423v1)

В статье предложен DENSE (Distilling Evidence from Nested Subtask Executions) — метод, который сжимает и организует траектории выполнения агента в доказательно-обоснованные вложенные «короткие» деревья, связывая повторно используемый прогресс с оставшимися требованиями. Авторы вводят протокол оценки REFIT и сообщают, что DENSE демонстрирует наибольшую строгую пропускную способность среди протестированных неприоритетных методов обратной связи на Terminal-Bench 2.1 (улучшение на 7.12–15.64 процентных пункта и сокращение наблюдаемых токенов при повторных запусках на 19.0–43.6%); абляции с GPT-5.5 подтверждают выгоды комбинации анализа вложенных подзадач и построения «коротких» путей с согласованием проблем.

6.0