آرشیو کانال تکینگی
این‌جا هر مقاله‌ای هست که کانال پیدا کرده، در خبرنامه گذاشته یا برای بعد نگه داشته، با خلاصه‌ی فارسی هرجا که نوشته شده. خبرها، دایجست‌ها و پست‌های دیگر کانال این‌جا نیستند.
کوآ-اسپیدران: بنچمارک استاندارد سرعت ایجنت‌های استفاده از کامپیوتر
ایجنت‌های استفاده از کامپیوتر که با رابط گرافیکی کار می‌کنند، در بسیاری از بنچمارک‌ها از کارایی انسان گذشته‌اند، اما سرعت و هزینه مانع اصلی استقرار گسترده‌شان است. سنجش قابل اعتماد سرعت هم سخت است، چون بنچمارک‌ها روی زیرساخت‌های پیچیده با پیکربندی‌های متفاوت م
محیط‌های خیالی: آموزش ایجنت‌ها در جهان‌های ساختگی تولیدشده با قاعده
آموزش ایجنت‌ها با یادگیری تقویتی گلوگاهی به نام محیط دارد: محیط باید پاداش قابل تأیید بدهد، تعامل طولانی را پشتیبانی کند و ارزان مقیاس یابد. روش‌های موجود به داده‌ی پرهزینه‌ی گزینش‌شده توسط انسان یا محیط‌های تولیدشده با مدل زبانی تکیه دارند که خطر توهم و آلودگ
یادگیری از پژوهش: به سوی تکامل مادام‌العمر هارنس ایجنت با کمک مقاله‌های جدید
یک رویکرد امیدوارکننده برای بهبود پیوسته‌ی ایجنت‌ها تکامل هارنس با مدل ثابت است. روش‌های اخیر این کار را با یک ایجنت کدنویسی متا انجام می‌دهند که هارنس را بر اساس بازخورد اجرا تغییر می‌دهد، اما تکیه بر دانش موجود آن ایجنت و شکست‌های مشاهده‌شده کاوش را محدود و
گراف‌های کانتکست پایدار برای فشرده‌سازی کارآمد حافظه در ایجنت‌ها
تاریخچه‌ی رو به رشد تعامل ایجنت‌ها فشرده‌سازی حافظه را برای ماندن در پنجره‌ی کانتکست و کاهش هزینه‌ی پیش‌پرکردن ضروری می‌کند. روش‌های موجود تاریخچه را خلاصه یا حافظه‌ی کلید و مقدار را فشرده می‌کنند و اغلب محاسبه‌ی مدل اضافه می‌کنند. یک درخواست جدید کاربر می‌توا
مجموعه‌داده‌ی خطای ایجنت: ۵۰ هزار جفت خطا و تشخیص برای تحلیل شکست و پس‌آموزش آگاه از خطا
یک اجرای ناموفق ایجنت بیش از پاداش نهایی‌اش اطلاعات دارد: مشاهده‌های در دسترس، کنش‌های انتخاب‌شده و پاسخ محیط. استفاده‌ی مجدد از این تجربه برای یادگیری نیاز دارد تصمیمی برای بازنگری شناسایی و یک جایگزین مشخص آزموده شود. نویسنده‌ها مجموعه‌داده‌ی Agent Error Dat
میدهارنس: مقیاس دادن کنش‌ها در مرز مدل و هارنس برای ایجنت‌های ترمینال
ایجنت‌های ترمینال با تولیدهای تصادفی مدل عمل می‌کنند و توانایی تولید یک کنش مفید اجرای قابل اعتماد آن را تضمین نمی‌کند. یک دستور بد، مثلاً نصب بسته‌ی اشتباه، می‌تواند محیط را طوری تغییر دهد که پیشرفت بعدی را مختل کند، حتی وقتی مدل می‌توانست گزینه‌ی بهتری تولید
فکر کردن بیرون از جعبه: آیا مدل‌های زبانی می‌توانند گزینشی به راهنمایی بیرونی تکیه کنند؟
هارنس‌های ایجنت معمولاً مدل‌ها را با گردش‌کارهای طراحی‌شده توسط انسان بهتر می‌کنند، اما با تواناتر شدن مدل‌ها راهنمایی غیرقابل اعتماد می‌تواند اجرا را محدود کند؛ مثلاً گردش‌کاری که یک گام غلط یا کهنه دارد و مدل بی‌چون و چرا دنبالش می‌کند. نویسنده‌ها توانایی سو
مقیاس و انتخاب: چه چیزی تکامل خودکار هارنس را برای ایجنت‌های رباتیک با رابط بصری کارآمد می‌کند
وقتی یک ایجنت کدنویسی آماده مستقیم به عنوان سیاست ربات به کار می‌رود، یعنی یک رابط سه‌بعدی مرورگری را با اسکرین‌شات می‌بیند و با چند ابزار یک گیره‌ی مجازی هدف را جابه‌جا می‌کند، هارنس آن، یعنی پرامپت‌ها، ابزارها و قاعده‌های کنترل، تا حد زیادی موفقیت را تعیین م
امتیاز بیشتر، پاسخ بدتر: کاهش تقلب در پاداش در یادگیری تقویتی روبریک‌محور با روبریک‌های سطح پروتکل
یادگیری تقویتی روبریک‌محور مدل‌ها را جایی آموزش می‌دهد که تأییدکننده‌ای وجود ندارد: یک داور هر معیار روبریک را بررسی می‌کند و حکم‌ها معمولاً با جمع وزن‌دار به پاداش تبدیل می‌شوند. در جمع، معیارها یکدیگر را جبران می‌کنند: سیاستی که تنها تصمیم مهم را از دست بدهد
خلاصه‌ی فارسی هنوز نوشته نشده است.
اوپن‌کولب: چارچوب کدنویسی چندایجنتی با همکاری برنامه‌پذیر و زمان اجرای کنترل‌پذیر
سیستم‌های کدنویسی چندایجنتی برای حل تسک‌های پیچیده‌ی مهندسی نرم‌افزار با همکاری طراحی شده‌اند، اما ارزیابی‌های موجود فرض می‌کنند سازمان پیکربندی‌شده وفادارانه اجرا می‌شود، در حالی که واقعیت فرق دارد؛ مثلاً ایجنت بازبین ممکن است اصلاً کد را بازبینی نکند. این شک
هایبریدکوآ: یادگیری هماهنگ‌سازی رابط گرافیکی و خط فرمان برای ایجنت‌های استفاده از کامپیوتر
ایجنت‌های استفاده از کامپیوتر یا فقط به تعامل با رابط گرافیکی تکیه دارند که اغلب ناکارآمد و پرخطاست، یا آن را با رابط‌های برنامه‌نویسی و ابزارهای ویژه‌ی هر برنامه تقویت می‌کنند که مهندسی زیادی می‌خواهد و به برنامه‌های دیگر مقیاس نمی‌یابد. ترکیب رابط گرافیکی با
ویدیو-آراس‌آی: خودبهبودی بازگشتی ایجنت‌های فهم ویدیو با تکامل هارنس
ایجنت‌های فهم ویدیو شواهد را از طریق یک هارنس اجرایی به دست می‌آورند که تعیین می‌کند چه ببینند و چطور از دیده‌ها استفاده کنند. اما ردپاهای اجرا فقط شواهد هارنس فعلی را دارند، پس توضیح‌های رقیب برای شکست حل‌نشده می‌مانند؛ مثلاً معلوم نیست ایجنت چون فریم مهم را
مدل‌های زبانی کانتکست: مدل‌هایی که خودشان کانتکستشان را مدیریت می‌کنند
مدیریت کانتکست در ایجنت‌ها معمولاً بیرون از مدل و با قاعده‌های هارنس انجام می‌شود، مثلاً خلاصه‌سازی یا برش تاریخچه با یک آستانه‌ی ثابت. در این حالت مدل یاد نمی‌گیرد چه چیزی برای نگه داشتن در کانتکست مهم‌تر است، و در سیستم‌های چندایجنتی هم هماهنگی کانتکست‌ها دش
انجی‌ورلد: ایجنت‌های پیشرو در محیط‌های مهندسی حرفه‌ای چه چیزی می‌توانند تحویل دهند؟
ایجنت‌های خودمختار در استفاده‌ی عمومی از کامپیوتر پیشرفت سریعی داشته‌اند، اما خودکارسازی قابل اعتماد مهندسی صنعتی حرفه‌ای هنوز دور از دسترس است. گردش‌کارهای مهندسی استدلال روی قیدهای هندسی و فیزیکی و حفظ سازگاری وابستگی‌ها بین نرم‌افزارها و مراحل طراحی را می‌خ
ای‌پی‌ام‌بنچ: بنچمارک حافظه‌ی پایدار بین جلسه‌ها برای دستیارهای ویدیوی زنده‌ی اول‌شخص
مدل‌های ویدیوی زنده برای این‌که دستیار شخصی واقعی باشند، به حافظه‌ی پایداری نیاز دارند که تجربه‌های گذشته را برای استفاده‌ی بعدی نگه دارد. اما بنچمارک‌ها و روش‌های موجود روی ویدیوهای پیوسته یا کلیپ‌های کوتاه تمرکز دارند و نادیده می‌گیرند که تعامل واقعی اغلب من
پرسیدن آنچه هرگز خواسته نشده: پیش‌دستی افقی و عمودی در ایجنت‌ها
ایجنت ابزارمحور معمولاً به آنچه کاربر صریحاً می‌پرسد پاسخ می‌دهد، اما کامل کردن تسک ممکن است اطلاعاتی بخواهد که کاربر هرگز نخواسته؛ مثلاً کسی که درباره‌ی پرواز می‌پرسد احتمالاً به شرایط ویزای مقصد هم نیاز دارد. کارهای قبلی روی ایجنت‌های پیش‌دستانه بیشتر بررسی
موجودیت‌ها را دنبال کن: نقشه‌ی پیکره برای جست‌وجوی ایجنتی
پاسخ به پرسش روی مجموعه‌ی بزرگ اسناد اغلب به وصل کردن شواهد پخش در چند سند نیاز دارد، مثلاً تأیید یک پروژه در یک سند، نیازمندی‌هایش در دیگری و آخرین وضعیتش در سومی. ایجنت‌ها با جست‌وجوی مکرر کل پیکره به این مسئله نزدیک می‌شوند، اما وقتی پیکره فقط مجموعه‌ای تخت
تول‌فنس: مجوزدهی ریزدانه برای ایجنت‌های ابزارمحور امن
ایجنت‌های ابزارمحور در برابر تزریق غیرمستقیم پرامپت آسیب‌پذیرند چون دستورهای مورد اعتماد و مشاهده‌های نامطمئن یک کانتکست مشترک دارند. دفاع‌های اجماع چندمسیره هنوز نرخ موفقیت حمله‌ی بالایی دارند چون محتوا یا خروجی تجمیعی را بررسی می‌کنند نه اثرها را، به‌ویژه در
انی‌اکت: لایه‌ی کنش جهانی برای ایجنت‌های خودتکامل در اکوسیستم‌های بزرگ ابزار
ایجنت‌ها در محیط‌های باز برای تسک‌های پیچیده‌ی پیاپی، مثل پردازش سند یا همکاری بین برنامه‌ها، به کنش‌هایی از عملیات رابط گرافیکی تا رابط‌های برنامه‌نویسی معنایی تکیه دارند. سه چالش وجود دارد: اکوسیستم‌های عظیم ابزار از پنجره‌ی کانتکست بزرگ‌ترند، کیفیت ابزارها
ویفت: مقیاس دادن پس‌آموزش استفاده از ابزار با تکامل کل سیستم تعامل ایجنتی
تلاش‌های اخیر برای مقیاس دادن پس‌آموزش استفاده از ابزار عمدتاً روی ساخت محیط‌های اجرایی متمرکز بوده‌اند، در حالی که محیط فقط یک جزء از سیستم تعامل ایجنتی است که تسک، هارنس ایجنت و ارزیاب را هم شامل می‌شود. مقیاس دادن محیط به تنهایی بهبود متناسبی نمی‌دهد، چون س
پی‌آر-اوپی‌دی: خودتقطیری روی سیاست با بازنمایی ممتاز برای یادگیری تقویتی ایجنتی
ایجنت‌های زبانی معمولاً با یک پاداش در هر اپیزود آموزش می‌بینند، و خودتقطیری ممتاز با این‌که همان سیاست با در اختیار داشتن یک مهارت، نسخه‌ی بدون مهارت خودش را از طریق احتمال توکن‌ها آموزش دهد، این سیگنال را غنی می‌کند. نویسنده‌ها دو پدیده یافتند که این کانال ر
استیت‌تیپ: مدل‌سازی چرخه‌ی عمر شواهد مشروط به کنش برای ایجنت‌های کدنویسی بلندمدت
اجرای ایجنت‌های کدنویسی در افق‌های طولانی سخت است، چون هر مشاهده به کانتکست افزوده می‌شود. راه رایج نگهداری مبتنی بر تاریخچه است که مشاهده‌های قدیمی را پنهان یا خلاصه یا هرس می‌کند، اما فقط از روی متن تاریخچه تصمیم می‌گیرد و چیزی از ارتباط کد نمی‌بیند. چون ایج
ایجنت‌های شفاف در شکست: بنچمارک گزارش‌دهی پس از شکست در مدل‌های ابزارمحور
ایجنت‌های ابزارمحور می‌توانند دو بار شکست بخورند: ابزار لازم شکست می‌خورد و سپس ایجنت بدون شاهد کافی موفقیت را گزارش می‌دهد؛ مثلاً پرداخت انجام نشده اما ایجنت به کاربر می‌گوید سفارش ثبت شد. بنچمارک‌های موجود این شکست گزارش‌دهی را با انتخاب ابزار، بازیابی و پوی
مقاله‌هایی که تاریخ تأییدشده ندارند، در ماهی آمده‌اند که شناسه‌ی آرکایوشان نشان می‌دهد.