研究人员开发了一种名为BlackSwan的新方法,以提高与外部环境交互的语言模型代理的安全性和可靠性。与以往关注确认动作有效性的方法不同,BlackSwan在执行潜在动作之前积极寻找证据来反驳它们。这种“预期-怀疑-测试”过程会针对动作可能出错的方式制定可测试的假设,并根据现有观察或额外的非变异性动作进行测试。当应用于AppWorld和WebShop中的挑战性任务时,BlackSwan相比现有基线显著提高了成功率,表明语言模型代理可以被训练成自我纠正不当动作。 AI
影响 通过使AI代理能够在执行前识别和纠正潜在的有害动作,从而提高其可靠性。
排序理由 该集群描述了一篇关于语言模型代理新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →