Nytt system tränar AI-agenter med simulerade företagsmiljöer

arXiv cs.AI

Forskare har tagit fram en metod kallad 'Synthesis Through Simulation' (STS) för att generera träningsdata till AI-agenter utan att behöva tillgång till riktiga företagsdatabaser – ett vanligt problem på grund av affärsmässiga och juridiska begränsningar. Systemets agent, 'Generalist Populator', uppnår 88% distributionell trohet och 100% regelefterlevnad i tio testmiljöer, utan att ens ha tillgång till databasschemat. Det intressanta är att metoden löser ett konkret flaskhals-problem: hur man faktiskt kan träna och utvärdera AI-agenter i företagsmiljöer i stor skala.