Successive Scale Racing

新的SSR框架通过优化任务证据选择来提高AI代理性能

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%。