Tudományos tanulmányokból készített kóddal javították az AI-ügynökök teljesítményét
A University of California, Santa Barbara és a Microsoft kutatói olyan ScholarEvolve nevű keretrendszert fejlesztettek, amely publikált tudományos kutatásokból keres új módszereket az AI-ügynökök javítására, majd ezeket működő kódmódosításokká alakítja. A megközelítés nem a mögöttes modell újratanítására vagy súlyainak frissítésére épül, hanem az ügynököt körülvevő „harness”, vagyis a promptokat, eszközhasználatot, memóriát és munkafolyamatokat kezelő rendszer fejlesztésére.
A tesztekben a nyílt súlyú Qwen3.5-27B modell az AppWorld Normal tesztkészletben 69 százalékról 81,4 százalékra javította a feladatok teljesítési arányát. A kutatók szerint ez a GPT-5.4-hez viszonyított teljesítménykülönbség nagyjából 74 százalékának ledolgozását jelenti. A módszer azért lehet fontos vállalati környezetben, mert az ügynökök teljesítménye a modellek költséges újratanítása nélkül is javítható, akár olyan API-k esetében is, amelyekkel korábban nem találkoztak.
A ScholarEvolve először elemzi a hibás feladatokat, majd szakirodalmi kereséssel próbál releváns technikákat találni. A különböző kutatásokat témák szerint csoportosítja, hogy ne ugyanazokat az ötleteket vizsgálja újra és újra, ezután egy kutatóügynök megtervezi, egy kódolóügynök pedig Pythonban megvalósítja a módosítást. A rendszer az ügynököt öt, szigorú interfészekkel elválasztott részre bontja: eszközkezelésre, kontextusmenedzsmentre, készségekre, memóriára és munkafolyamatokra.
Folytasd az appban — szavazz és szólj hozzá ➔