Forskning: AI-agenter kan bli bättre utan att tränas om

arXiv cs.AI

Forskare visar att LLM-baserade verktygsagenter (AI som självständigt använder externa tjänster) kan förbättras avsevärt genom att justera 'höljet' runt modellen – alltså prompter och mellanlager – utan att röra modellen själv. Deras metod PRISM identifierar var agenten misslyckas och riktar korrigeringar dit, vilket gav förbättringar på 10–15 procentenheter på tre olika testbenchmarks. En praktisk poäng: det räcker inte att rapportera genomsnittlig förbättring – man behöver också mäta hur pålitliga uppdateringarna faktiskt är.