لابراتوار
۷ مقاله که به این لابراتوار مربوط است. جستجو و فیلتر در همین فهرست
چارچوب باز چندجلسه‌ای برای حل مسئله‌های المپیاد با حل، بازبینی، ویکی و تأیید
ایجنت‌های مدل زبانی در کارهای علمی و المپیادی طولانی سریع بهتر می‌شوند، اما سیستم‌های برجسته نه مدل و نه پشته‌ی کامل استنتاجشان را منتشر می‌کنند. یک جلسه‌ی ایجنتی تنها هم روی مسئله‌های سخت شکننده است: خطاهای اولیه منتشر می‌شوند، دانش حوزه‌ی کم پیشرفت را متوقف
ربات‌ورلد: سنجش ایجنت‌های چندوجهی در به‌کارگیری ربات در تسک‌ها و بدنه‌های متنوع
ایجنت‌های همه‌منظوره بیش از پیش کد می‌نویسند، از ابزار استفاده می‌کنند و کارهای دیجیتال پیچیده انجام می‌دهند. سؤال این است که این توانایی‌ها تا کجا به دنیای فیزیکی منتقل می‌شوند، یعنی آیا ایجنت می‌تواند دستور و مشاهده را از طریق رابط‌های ربات به اجرای فیزیکی ت
وقتی زیرایجنت‌ها موازی کار می‌کنند: نویدها و دام‌های هم‌روندی پویا در تسک‌های کدنویسی بلندمدت
با پیشرفت ایجنت‌های کدنویسی از تسک‌های محدود به توسعه‌ی بلندمدت، هم‌روندی پویا راهی برای بزرگ کردن کارهای پیچیده است: ایجنت حین اجرا تصمیم می‌گیرد آیا و چطور زیرایجنت‌های هم‌زمان بسازد. در تسک‌های کوتاه توان مدل نتیجه را تعیین می‌کند، اما در توسعه‌ی طولانی هما
بنچمارک یادگیری از سرویس‌دهی: ایجنت‌ها چقدر می‌توانند از تجربه‌ی استقرار خودشان بهتر شوند؟
دانش لازم برای رفتار درست ایجنت در محیط‌های واقعی اغلب ضمنی، اعلام‌نشده و در حال تغییر است؛ مثلاً یک فروشگاه سیاست بازگشت کالا را بی‌اعلام عوض می‌کند. هارنس‌های یادگیری پیوسته می‌خواهند ایجنت از تجربه‌ی سرویس‌دهی بهتر شود، اما اثربخشی و محدودیت‌هایشان مشخص نیس
بنچمارک چکر: آیا ایجنت‌های بلندمدت می‌توانند بررسی‌کننده‌ی تحلیل ایستا بسازند؟
ساخت بررسی‌کننده‌ی تحلیل ایستا نیاز دارد ایجنت مشخصه‌ی یک نقص را تفسیر کند، مخزن را بررسی کند، منطق ویژه‌ی تحلیل‌گر را پیاده کند و بررسی‌کننده را با بازخورد مکرر کامپایل و تحلیل بهتر کند. بنچمارک‌های موجود روی تولید وصله یا تشخیص آسیب‌پذیری تمرکز دارند و به‌ند
پیدا کردن جفت مناسب: تعامل مدل و هارنس در تسک‌های ایجنتی
انتخاب یک سیستم ایجنتی یعنی انتخاب هم مدل زبانی و هم هارنسی که مدل از طریق آن عمل می‌کند. سؤال این است که آیا یک مدل، هارنس یا جفت قوی وقتی شرایط عوض می‌شود قوی می‌ماند یا نه. نویسنده‌ها ۶۶ پیکربندی را ارزیابی کردند: چهار هارنس قابل پیکربندی، یعنی OpenHands، D
کلیف‌کامپکشن: فشرده‌سازی کم‌هزینه برای ایجنت‌های کدنویسی بلندمدت
ایجنت‌ها اغلب روی مسائل پیچیده‌ای کار می‌کنند که میلیون‌ها توکن کانتکست لازم دارند و به دلیل پنجره‌ی کانتکست محدود باید بین جلسه‌ها فشرده‌سازی کنند. فشرده‌سازی‌هایی که محتوا را بازنویسی می‌کنند ممکن است با هر دور اطلاعات را تحریف کنند و رانش کانتکست انباشته شو