Изменяющиеся контрольные показатели саморегулировки для использования долгосрочного горозонного инструмента

arXiv:2610.27307v1 Annualce Type: новый резюме. Для того чтобы помощники АИ вышли за рамки простых интерфейсов для разговора и надежно помогали пользователям с такими приложениями, как Gmail, Venmo и Slack, нам нужно усовершенствовать их возможности использования инструментов. Вместе с тем существующие контрольные показатели использования инструментов по-прежнему ограничены и их трудно масштабировать, поскольку они зависят от надзора со стороны человека или слишком специфичны для конкретных доменов. Для того чтобы сделать процесс сбора данных масштабируемым, мы предлагаем использовать подход TURTLE (**T**ool **U**se **R**eled **T**asks с ** L**ong-Horizon **E**volution), неконтролируемый проектирование окружающей среды (UED) для разработки существующих задач с использованием разработчика, исполнителя и речевого генератора больших языковых моделей. Представитель вознаграждается за сложные, но разрешимые задачи на основе эмпирической эффективности расшифровщика, и генератор обратной связи резюмирует следы исполнения разгадителя для разработчика. В ТУРТИЛЕ образуются эволюционирующие, саморегулирующиеся испытательные блоки, адаптируемые к различным экологическим требованиям из вспомогательных имитаторов пользователя и плотных