SERO: Ny metod låter AI-agenter lära sig av simulerade framtidsscenarier

arXiv cs.AI

Forskare presenterar SERO, en träningsmetod för AI-agenter som ska klara längre, flerstegiga uppgifter – ett känt svagt område för nuvarande system. Tricket är att låta en 'läraragent' (oracle) ta över från ett tillstånd som den riktiga agenten faktiskt nådde och spela ut hela sekvensen av handlingar, vilket ger mer användbar träningsdata än att bara titta på enskilda steg. Testerna på benchmarken ALFWorld och WebShop med Qwens 1,5B- och 7B-modeller visar att metoden fungerar, särskilt för situationer agenten inte sett under träning.