你的代理完成了任务。它会再次完成吗? | AI Archive

IBM研究人员指出,AI代理存在一个关键的可靠性问题:高平均准确率掩盖了多次运行中显著的波动性。他们推出了“一致性分析器”(Consistency Analyzer),这是一种诊断工具,能够通过重采样代理轨迹来识别不稳定的决策点,且无需依赖真实标签或完整回放数据。该分析结果被用于ALTK-Evolve以生成一致性准则,从而稳定这些呈“平坦”分布的概率。在AppWorld上使用GPT-4.1进行的评估显示,该方法将一致性差距从24.4个百

AI Archive

Terminal content

Latest news

News articles

Repository of the day

anthropics/claude-plugins-official · ⭐ 41,658

Official, Anthropic-managed directory of high quality Claude Code Plugins.

Source: GitHub Trending