Into the Unknown: Benchmarking AI agents on open scientific research problems
خلاصه‌ی فارسی هنوز نوشته نشده است.
سازمان
سازمانCarnegie Mellon University
۴ مقاله که به این سازمان مربوط است. جستجو و فیلتر در همین فهرست
اکتبر ۲۰۲۶۴ مقاله
Knowing the User Is Not Knowing What We Established: Grounding Awareness in Personal Agents
شناختن کاربر با دانستن آنچه با هم توافق کرده‌ایم یکی نیست: آگاهی از وضعیت توافق در ایجنت‌های شخصی
حافظه‌ی ایجنت‌های شخصی بیشتر روی یادگرفتن دانسته‌ها، ترجیح‌ها و خواسته‌های کاربر متمرکز بوده است. اما شناختن کاربر به معنای دانستن آنچه کاربر و ایجنت با هم توافق کرده‌اند نیست. پیشنهاد دستیار نباید فقط چون در حافظه مانده به دستور مجاز تبدیل شود؛ مثلاً دستیار پ
Iterate on an LLM, Serve on an SLM
رفتار را روی مدل بزرگ با پرامپت بساز، بعد آن را به یک مدل کوچک تقطیر کن و ارزان سرو کن
مدل‌های زبانی کوچک برای زیرتسک‌های باریک و تکراری ایجنت‌ها ۵ تا ۴۰ برابر ارزان‌ترند، اما مدل کوچک بدون آموزش معمولاً در تسک تولیدی شکست می‌خورد، و آموزش دوباره با هر تغییر رفتار برای تکرار سریع خیلی کند است. پیشنهاد این است که هر دو کار به ترتیب انجام شوند: او
(When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection
آیا کارخانه‌ی نرم‌افزار می‌تواند بدون ناظر انسانی کار کند؟ سنجش ایجنت‌های بازبینی کد در یافتن باگ
با پیشرفت ایجنت‌های کدنویسی، برنامه‌نویس‌ها بیشتر وقتشان را صرف بازبینی کد می‌کنند تا نوشتن آن. چون سرعت بازبینی انسان از تولید کد عقب افتاده، وسوسه‌ی ساختن ایجنت‌های بازبینی خودکار و «کارخانه‌ی چراغ‌خاموش» بدون نظارت انسانی وجود دارد. سؤال این است که این ایده