PulseAugur
中
实时 20:32:14
实体 long-horizon agent benchmarks

long-horizon agent benchmarks

PulseAugur coverage of long-horizon agent benchmarks — every cluster mentioning long-horizon agent benchmarks across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_280091 ·

    新的蒸馏方法改进了小型语言模型代理

    研究人员开发了一种名为 Harness-Aware Distillation (HAD) 的新方法来训练小型语言模型代理。HAD 专注于教授学生代理教师代理的独特能力,而这些能力是部署工具链未提供的。它通过对比有无工具链信息时教师的行为来实现这一点,并包含一个有效性检查,以确保首选行为与工具链记录一致。与标准的 on-policy 蒸馏相比,这种方法在长时序代理基准测试中表现出更优的性能,因为它有助于代理避免无效循环并更有效地从错误中恢复。