PulseAugur
中
实时 07:46:48
English(EN) An Actionable Diagnosis of Multilingual, Multi-Agent Planning Failures

新的TART方法提高了多语言AI智能体规划的准确性

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了TART（Taxonomy-Guided Actionable Representation，一种基于分类法的可操作表示法），这是一种解决多语言、多智能体系统中规划失败的新方法。该系统分析任务执行情况，创建规划-基础失败的分类法，这种失败不成比例地影响低资源语言。通过将这些分类法方面明确告知规划器，TART在各种语言、LLM骨干和智能体配置中持续提高性能。在多语言GAIA数据集上，TART将最先进系统的准确性提高了5.6个百分点。 AI

影响 通过解决规划失败问题，提高了多语言AI智能体的性能，尤其是在低资源语言方面。

排序理由 该集群包含一篇详细介绍新方法及其评估的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的TART方法提高了多语言AI智能体规划的准确性

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Vikas Pahuja, Jonathan Brokman, Omer Hofman, Tamir Nizri, Daniel Vishna, Seraphina Goldfarb-Tarrant, Kelly Marchisio, Hisashi Kojima, Roman Vainshtein ·

    An Actionable Diagnosis of Multilingual, Multi-Agent Planning Failures

    arXiv:2608.03735v1 Announce Type: cross Abstract: Multilingual multi-agent systems exhibit substantial degradation beyond English, yet prior work rarely identifies how task-critical information is lost when user requests are converted into executable plans. We study the planner i…

  2. arXiv cs.MA (Multiagent) TIER_1 English(EN) · Roman Vainshtein ·

    多语言、多智能体规划失败的可行性诊断

    Multilingual multi-agent systems exhibit substantial degradation beyond English, yet prior work rarely identifies how task-critical information is lost when user requests are converted into executable plans. We study the planner in a multi-agent system as the request-to-action in…

相关实体

相关话题