:: Совместная разработка политики в отношении агентов и поддающихся исполнению программ с усилением обучения

arXiv: 261 0366469v 1 Annualce Type: New Humber Abstract: Большие языковые модели (LLM) взаимодействуют с их окружающей средой через функциональные жгуты, которые регулируют использование инструментов и обратную связь. Оптимизация механизма для фиксированной политики не учитывает, как его поведение меняется во время обучения, в то время как подготовка по вопросам политики под постоянным инструментом оставляет интерфейс, который генерирует ее учебный опыт без изменений. Это стимулирует адаптацию механизмов в рамках подготовки по вопросам политики. Мы введем в действие систему обучения по вопросам укрепления потенциала на основе народонаселения, которая объединяет общую политику и население с практически осуществимыми механизмами. Эта политика извлекает уроки из распространения информации среди населения, и лицо, предлагающее ее, использует свои следы для пересмотра кода использования в ходе обучения. СВП достигает 27,6 процента, что позволяет повысить средний коэффициент выдерживания на частоте SWE и увеличить объем поиска в режиме " только для жгута &qt; на 6,4 процентных пункта. Эксперименты в области контроля и терминала SWE-Bench 2.0 свидетельствуют о выигрыше в разработке программного обеспечения и решении задач на базе терминалов. Неподходящее обучение