مقاله‌ی arXiv:2610.13494 · در صف خبرنامه
Humanize MLE Agents: Multi-Agent Session Alternation Beyond Single-Agent Limits
جلسه‌های متناوب دو ایجنت با ریست کانتکست، فراتر از حد یک ایجنت تنها در مهندسی یادگیری ماشین
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Changye Li, Zijian Zhang, Muheng Li, Yiduo Pang, Tingjun Wu, Menghan Li, Yitong Liu, Hongkai Guo, Mengchi Chen, Chenyu He, Kaisheng Ma, Wei Xu, Song Han, Sihao Liu, Ligeng Zhu
- نهاد نویسنده‌ها
- Tsinghua University; NVIDIA; Zhejiang University; MIT
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
روش‌های ایجنتی برای مهندسی یادگیری ماشین طولانی‌مدت معمولاً از مهندسی کانتکست با هارنس‌های سفارشی برای مدیریت ابزار، اسکیل و تجربه استفاده می‌کنند. نویسنده‌ها دو پدیده دیدند: با طولانی شدن یک جلسه، شدت استدلال ایجنت همراه با کند شدن پیشرفت کم می‌شود («کند شدن طولانی‌مدت»)، و سود هارنس‌های سفارشی با بهتر شدن مدل از بین می‌رود («کهنگی هارنس»).
روش
جلسه‌های متناوب ایجنت‌ها به شکل یک فرایند تصمیم نیمه‌مارکوفی با ریست کانتکست مدل شده است؛ نویسنده‌ها شرایط کافی برای این‌که تناوب از حد مرجع یک ایجنت فراتر رود، یک کران صریح برای بودجه‌ی آزمایش و شرایط حفظ این برتری با سقف جلسه را استخراج کردند. بر این اساس HMA دو ایجنت را روی یک فضای کاری مشترک متناوب می‌کند، هر جلسه را به حداکثر k آزمایش محدود می‌کند و کانتکست را بین جلسه‌ها ریست می‌کند، بدون هارنس خاص تسک یا دانش پیشین اضافه.
یافته‌ها
- روی ۷۵ تسک Kaggle در MLE-bench به نرخ کسب هر نوع مدال ۷۸٫۲ درصد رسید، ۸ امتیاز بالاتر از قوی‌ترین پایه‌ی متن‌باز با یک چهارم بودجه‌ی زمانی آن.
- در شش پیکربندی با پنج جفت ایجنت ناهمگون، نرخ مدال را به‌طور میانگین ۶٫۴ امتیاز نسبت به ایجنت‌های تشکیل‌دهنده بهتر کرد.
- در یک مورد بهینه‌سازی کرنل به ۸۷۸ چرخه رسید، در فاصله‌ی ۱٫۶ درصدی از صدرنشین جدول جامعه.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ تحلیل نظری شرایط کافی می‌دهد و ارزیابی اصلی روی MLE-bench است.
چرا مهم است
ساختن هارنس پیچیده برای هر نسل مدل، با آمدن مدل بعدی بی‌ارزش می‌شود. این کار نشان می‌دهد یک گردش کار ساده، دو ایجنت که کار هم را با کانتکست تازه ادامه می‌دهند، پایدارتر و قوی‌تر است.