Nytt ramverk gör AI-agenter mer stabila vid grafanalys

arXiv cs.AI

Forskare har tagit fram GRAIN, ett system som tränar stora språkmodeller (LLM:er) via förstärkningsinlärning att hantera grafstrukturerade data utan att tappa sig när noder byter namn eller uppgiftens formulering ändras. Resultaten är tydliga: 16,45% högre träffsäkerhet än befintliga flerагент-system, med ungefär 24% lägre svarstid. Det intressanta är att de lyckas halvera gapet (från 15,77% till 7,80%) när modellen testas på data den aldrig sett – ett klassiskt akilleshäl för AI-modeller.