proposer
PulseAugur coverage of proposer — every cluster mentioning proposer across labs, papers, and developer communities, ranked by signal.
-
新的CHASE方法改进了AI代理评估，超越了基准测试的捷径
研究人员开发了一种名为Counterfactual Harness Search and Evolution (CHASE)的新方法，以提高AI代理评估的可靠性。CHASE解决了“坏天才”提议者利用基准测试中的捷径来夸大性能的问题。该系统通过生成基准测试的反事实，并使用挑战者来识别和惩罚破坏性能提升但保留任务语义的协议转换。这种方法旨在创建更健壮和准确的评估，如在合成基准测试和OfficeQA数据集上所示。
-
新框架通过减轻过拟合和改进验证来增强LLM的自我演化
研究人员正在开发新框架以增强大型语言模型（LLM）的自我演化能力。SkillBoost是一个三阶段框架，旨在通过结合结构化利用失败、先验指导探索以及验证接受候选修复来减轻技能过拟合。另一种方法Skill Self-Play（Skill-SP）使用一个包含提议者、求解器和技能控制器的协同演化框架，以平衡任务多样性和验证可靠性。此外，具有自可验证奖励的强化学习（RLSVR）将开放式任务转化为可验证的代理环境，以实现LLM在确定性正确性领域…
-
CPAgents框架增强心血管疾病关联研究
研究人员开发了CPAgents，一个用于心血管表型组关联研究（PheWAS）的新型框架。该系统使用三个协调的代理——分析师（Analyst）、提议者（Proposer）和验证者（Verifier）——从基础影像特征中自动构建和验证可解释的复合表型。在大型心脏影像队列上进行评估，CPAgents显著提高了疾病区分能力，在72种组合中有56种排名靠前，而基线方法为18种，并产生了紧凑、临床可解释的表型公式。
-
新的“对齐飞轮”架构将AI决策生成与安全治理分离
研究人员推出了一种名为“对齐飞轮”（Alignment Flywheel）的新型以治理为中心、混合多智能体系统（MAS），旨在增强自主决策组件的安全性。该架构通过使用一个“提议者”（Proposer）来生成候选轨迹，并使用一个“安全神谕”（Safety Oracle）来提供安全信号，从而将决策生成与安全治理分离开来。一个执行层应用明确的风险策略，而一个治理MAS则通过审计和验证来监督“安全神谕”。“补丁局部性”（patch local…