怎样让智能体改进
改运行程序、选择训练奖励、构造可靠反馈,分别在解决什么问题?
AutoHarness →RewardWeaver →BehaviorWeaver →READING PATHS
从你关心的问题进入。
代码、论文和方法图,都放在文章里。
改运行程序、选择训练奖励、构造可靠反馈,分别在解决什么问题?
AutoHarness →RewardWeaver →BehaviorWeaver →让 AI 做实验、让题库从反馈中积累经验,也让人能重新掌握自己的工作。
MLP 自动科研 →教育飞轮 →回声 →RESEARCH
FIELD NOTES
最值得写下来的进展,是几个原本让人放心的结论后来站不住了。从五例探索、十五轮配置搜索,到专项插件融合与九十题回顾性测试,这篇文章重新梳理预测器、研究循环和数据边界。
智能体成绩来自模型与评测系统的共同作用。围绕 τ²-Bench 的任务说明、模拟用户、环境状态和评分器,整理四类语义不一致案例,并建立从完整轨迹到首次决定性分歧、再到单变量反事实的诊断方法。
同一个“查文档、整理结论、写回飞书”的任务,可以经过不同的调用路径。把执行动作、连接协议、操作入口与任务方法分开,就更容易判断该接什么、该学什么,以及出错时该改哪里。
A LITTLE ABOUT ME
我在清华大学学习数学与人工智能。做过智能体运行机制优化,也在探索自动实验、行为反馈,以及面向学习与专注的产品。我喜欢把抽象想法落到一条能看见输入、行动和结果的流程里。
更多关于我的工作方式 ↗