RealFeedApp Тестовое масштабирование (TTS) сталкивается с проблемами в реальных средах
Новая модель Agentic World Modeling заменяет параллельное выполнение траекторий адаптивным сбором доказательств через безопасные интерфейсы. Агенты используют реальные среды для предсказания наблюдений, избегая необходимости в репликах окружения.
- Область
- обучение языковых моделей
- Что сделали
- Исследователи предложили метод Agentic World Modeling (AWM), который заменяет традиционное сжатие состояния среды одним запросом на серию адаптивных запросов к реальному окружению для предсказания наблюдений.
- Зачем это
- Это позволяет масштабировать агентов на этапе тестирования, когда невозможно создать точную копию рабочей среды, так как реальные системы часто имеют общие ресурсы и необратимые последствия действий.
#agent#test-time scaling#world modeling#llm#reinforcement learning
