Компьютерная наука > Искусственный интеллект [представлен 31 августа 2026 года] Название: Когда и чему учить: Бюджет-программа онлайновая адаптация для вебагентов Ви (экспериментальный) HTML Резюме: агенты сети добились значительных успехов в автоматизации сложных задач Интернета, но их развертывание в реальном мире требует постоянной адаптации в режиме онлайн. С учетом того, что внедрение мощных запатентованных моделей по-прежнему сопряжено с коммерческими издержками, практические работники должны опираться на легкие местные модели, которые эволюционируют после развертывания посредством онлайнового обучения у более сильного учителя. Однако стандартная интерактивная обратная связь сопряжена с непомерно высокими расходами. Мы показываем, что традиционное предпочтительное распределение расходов на оптимизацию отходов как в неразрешимых эпизодах, так и в ненужном порядке. Чтобы устранить эти недостатки, мы предлагаем intextbf {Score-Guided Online Termination with Builded Trainment Trimming} — бюджетную систему, которая систематически организует \textbfr {когда} и ~ textsbf_tho} для обучения. Если говорить конкретно, то наша система объединяет учительские врата, о которых известно, чтобы диктовать intextbf {когда} запросить модель учителя и механизм отбора с помощью баллов для принятия решения о том, что formula_textbfr {что} информативное поворачивается. Обширные эксперименты на MiniWoB и TimeWarp показывают, что наш метод достигает сопоставимого первого успеха при уменьшении…
Когда и чему преподавать: онлайновая адаптация с учетом бюджета для веб-агентов
arXiv: 2609.05513v1 Annualce Type: новый резюме: веб-агенты добились значительных успехов в автоматизации сложных задач Интернета, но их развертывание в реальных условиях требует постоянной адаптации в режиме онлайн. С учетом того, что внедрение мощных запатентованных моделей по-прежнему сопряжено с коммерческими издержками, практические работники должны опираться на легкие местные модели, которые эволюционируют после развертывания посредством онлайнового обучения у более сильного учителя. Однако стандартная интерактивная обратная связь сопряжена с непомерно высокими расходами. Мы показываем, что традиционное предпочтительное распределение расходов на оптимизацию отходов как в неразрешимых эпизодах, так и в ненужном порядке. Чтобы устранить эти недостатки, мы предлагаем intextbf {Score-Guided Online Termination with Builded Trainment Trimming} — бюджетную систему, которая систематически организует \textbfr {когда} и ~ textsbf_tho} для обучения. Если говорить конкретно, то наша система объединяет учительские врата, которые могут быть разрешены, чтобы диктовать текстбф (когда) запросить модель учителя и поворот с учетом результатов