研究人员开发了一个名为连续规模竞赛（SSR）的新框架，通过优化AI代理的指令和工具使用来提高其性能。由于证据选择不佳，现有方法在训练任务数量增加时会出现性能下降。SSR通过在每个演进轮次中自适应地搜索最佳证据组合来解决这个问题，基于任务质量和覆盖范围构建多样化的组合，并高效地评估候选约束。SSR在三个基准测试中展示了最先进的结果，随着任务池的扩大稳步提高性能，同时将验证执行次数减少了60%。 AI
影响 这项研究可能带来更强大、更高效的AI代理，能够处理更广泛的任务而不会出现性能下降。
排序理由 这是一篇详细介绍AI代理演进新框架的研究论文。[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 →
