Ny metod lär AI-agenter fokusera på det som faktiskt spelar roll

arXiv cs.AI

Forskare har utvecklat DGS-WM, en träningsmetod för AI-agenter som låter modellen selektivt fokusera på de delar av sin omgivning som faktiskt påverkar beslutsfattandet – istället för att behandla all information lika. Metoden kombinerar två komponenter: en som filtrerar bort irrelevanta observationer och en som justerar inlärningsstyrkan baserat på modellens eget förtroende för sina förutsägelser. Resultaten visar konsekvent förbättringar på flera testmiljöer, från fråge-och-svar-uppgifter till interaktiva webbuppgifter.