dair_ai· @dair_ai · X·· 2 天前AI 评分
ActiveSaddler 动态调整智能体训练场景提升性能
微软等团队提出 ActiveSaddler，通过将反复出现的失败归类为失败模式并作为非平稳 bandit 的 arm，动态调整智能体 harness 的训练场景。该方法追踪各失败模式的学习收益，在复访已知弱点与发现新问题间分配预算，在相同优化器下，GAIA2 Pass@1 提升 4.4 点，Terminal-Bench 2.0 提升 7.5 点。
微软与合作者的一篇优秀论文，主题是优化智能体框架（agent harness）。
当前的框架优化器只改变框架的更新方式，却保持训练场景不变，因此反馈始终来自那些随着框架改进而不再具有信息量的任务。
这项工作同时对场景进行自适应调整。
ActiveSaddler 将反复出现的失败归类为失败模式，并将每个模式视为非平稳多臂老虎机中的一个臂。
它跟踪框架从每个模式中还能学到多少，并在重温已知弱点和发现新弱点之间分配预算。
在相同优化器下，与固定场景顺序相比，测试 Pass@1 在 GAIA2 上提升 4.4 分，在 Terminal-Bench 2.0 上提升 7.5 分。
论文：academy.dair.ai/papers/activ…
来源：dair_ai · x.com