본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

전체 AI 소식

출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.

발행 시간순

효율적인 장기적 상호작용을 위한 LLM의 신념 업데이트 교육

전통적인 재귀적 요약과 비교한 ABBEL의 개요. 에이전트의 작업 컨텍스트로 전체 상호작용 기록 대신 신념이 사용되며, 신념 등급화는 각 신념 상태의 내용을 감독함으로써 성능을 향상시킵니다. 과제의 시간적 범위가 확장됨에 따라 LLM의 컨텍스트는 무한히 확장될 수 없습니다. 자체 요약은 간결하고 해석 가능한 컨텍스트를 제공하지만, 특히 고품질 데이터가 부족한 협업형 코드 생성과 같은 인간 지원 분야에서는 상당한 성능 저하를 초래합니다. 우리는 이를 해결하기 위해 ABBEL을 제안합니다: 자연어로 표현된 신념 상태의 형태로 요약의 정보 내용을 분리하고 감독하는 프레임워크입니다. 동기: 재귀적 요약의 한계 언어 모델이 소프트웨어 개발과 같이 점점 더 복잡해지는 과제를 효과적으로 지원하려면

진행 상황 및 관련 보도