Оперативная оптимизация глубокого исследования агента: тематический и многосемной протокол для измерения передаваемых выгод и оперативного завышения уровня

Компьютерные науки > Расчет и язык [представлен 8 октября 2026 года] Название: Референтная оперативная оптимизация агента по глубокому исследованию: тема-диспропорциональный, многосеменный протокол для измерения передаваемых выгод и оперативного просмотра PDF HTML (экспериментальная) резюме: Оптимизация является привлекательной альтернативой укреплению обучения в целях адаптации агентов с использованием языковых моделей, поскольку он дешевый и производит пригодные для чтения артефакты. Однако в отношении фактических задач она имеет режим неудач, который не предусматривает скалярного обучения. Оптимизатор, который читает учебные примеры, может написать свои ответы в оперативной форме, так что нераспределенная выгода может быть скорее запоминанием, а не переносимым поведением. Мы применяем отражающую быструю эволюцию (ГЕПА) к двум системам, в которых используется многоагентный углубленный исследовательский агент, и оцениваем его по разрозненной теме, при которой ни одна тема не делится между поездами, подтверждениями и испытаниями. Вознаграждение за выдержку увеличивается на 0,079, с 0,702 до 0,781, при этом доверительный интервал 95% составляет [0,051, 0,107], а прибыль воспроизводится в трех семенах (механическое 0,107). Почти половина победного сигнала — это запоминаемый ключ ответа, однако контролируемая абляция показывает, что этот контент не получает вознаграждения даже на точный тренировочный вопрос, который он кодирует. Таким образом, большой разрыв между…