一篇题为SWE-Prime的新论文对在所有成功的轨迹上训练AI代理的普遍做法提出了质疑,认为这种方法会导致模型学习到低效或“笨拙”的行为。研究表明,根据轨迹内个体片段的质量来筛选训练数据,而不是仅仅依据整体成功或失败的标签,可以带来更好的性能。通过精心挑选一个规模较小但质量更高的数据集(约占成功轨迹的10%),模型展现出了更强的能力并降低了训练成本。 AI
影响 建议AI代理训练从关注成功轨迹的数量转向关注片段的质量,可能降低成本并提高性能。
排序理由 该集群讨论了一篇提出AI训练方法新发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →