Ny sökstrategi för AI-agenter ger 5,5% bättre resultat med begränsad budget

arXiv cs.AI

När en AI-agent måste lösa problem med ett begränsat antal försök – till exempel vid dyr kodtestning eller molekylanalys – fungerar standardmetoden MCTS dåligt eftersom den slösar budget på lovlösa vägar. Forskare presenterar ExTS, en ny trädssökningsstrategi som är smartare med när den ska förgrena sig, och som i snitt presterar 5,5% bättre än befintliga metoder inom områden som promptoptimering, kodgenerering och molekylstrukturanalys. Det intressanta är att en enda fast konfiguration räcker – vilket antyder att det faktiskt finns gemensamma mönster bakom till synes väldigt olika AI-agentproblem.