Компьютерные науки > Искусственный интеллект [представлен 15 октября 2026 года] Название: Probe-and retume: Когда и как оценить агентский образ выполнения PDF HTML (экспериментальный) Резюме: Поиск в тестовое время может улучшить работу агента, изучая альтернативные действия и используя критиков для выбора перспективных отделений. Мы изучаем этот подход в условиях использования компьютеров на терминалах, которые показывают лишь частичное представление о большом лежащем в основе состоянии, и считаем, что конфигурация поиска деревьев Монте-Карло (MTCS), которую мы оцениваем, не способствует значительному повышению успеха задач. Мы идентифицируем два источника неудовлетворительной работы критиков: наблюдения агента опускают состояние окружающей среды, необходимое для оценки, а промежуточные штаты дают ограниченные доказательства успеха траектории. В промежуточных штатах критики занимают лишь скромнее места, чем случайность, и доступ к окружающей среде улучшает этот небольшой уровень. Мы изучаем, когда вызвать критика и какой доступ дать ему для оценки узла. Наши выводы мотивировали политику, которая призывает критиков только в узлах, которые агент считает окончательными, а не во время частичного прогресса. Кроме того, эта политика дает критику возможность читать, писать и выполнять доступ к вилке текущего и первоначального состояния компьютера, позволяя ему исследовать и осуществлять потенциально разрушительные действия для выявления любого скрытого состояния пропуски…
" Когда и как оценить исполнение агента &qt;
arXiv: 261 020.21088v 1 Annuate Type: New Humber Abstract: Поиск в тест-времени может улучшить работу агента, изучая альтернативные действия и используя критика для выбора перспективных отделений. Мы изучаем этот подход в условиях использования компьютеров на терминалах, которые показывают лишь частичное представление о большом лежащем в основе состоянии, и считаем, что конфигурация поиска деревьев Монте-Карло (MTCS), которую мы оцениваем, не способствует значительному повышению успеха задач. Мы идентифицируем два источника неудовлетворительной работы критиков: наблюдения агента опускают состояние окружающей среды, необходимое для оценки, а промежуточные штаты дают ограниченные доказательства успеха траектории. В промежуточных штатах критики занимают лишь скромнее места, чем случайность, и доступ к окружающей среде улучшает этот небольшой уровень. Мы изучаем, когда вызвать критика и какой доступ дать ему для оценки узла. Наши выводы мотивировали политику, которая призывает критиков только в узлах, которые агент считает окончательными, а не во время частичного прогресса. Кроме того, политика