Nytt träningssystem ger AI-agenter bättre beslutsförmåga i komplexa miljöer

arXiv cs.AI

Forskare har byggt ett system kallat VHD-Play som automatiskt genererar 3 300 träningsscenarier för AI-agenter till en kostnad av några cent styck – en bråkdel av vad det normalt kostar. Det smarta är att de börjar med att lösa ett matematiskt problem och bygger sedan träningsuppgiften runt den lösningen, vilket ger tillförlitliga facit utan manuellt arbete. Resultaten är påtagliga: modellen Qwen3.6-35B tränad på systemet förbättrar sitt genomsnittsresultat från 0,204 till 0,815, och på ett e-handelstest klarar den alla körningar utan att gå i konkurs – bättre än Qwen3.7-Max.