Nytt ramverk får AI-agenter att bli bättre ju fler uppgifter de tränas på

arXiv cs.AI

Forskare har löst ett märkligt problem inom AI-agentträning: när man ger agenter fler träningsuppgifter brukar prestandan faktiskt försämras. Deras nya metod, Successive Scale Racing (SSR), väljer smartare vilka träningserfarenheter som används och förbättrar istället resultatet – från 64,3% till 68,3% när uppgiftspoolen växer från 40 till 200 exempel. Dessutom minskar SSR behovet av beräkningskrävande valideringar med 60%, vilket gör träningen mer effektiv.