微软 ActiveSaddler:智能体框架优化新方法
中文摘要
微软提出 ActiveSaddler,通过自适应调整训练场景追踪失败模式并动态分配预算,显著提升了 AI 智能体的任务成功率与训练效率。
English Summary
Microsoft introduced ActiveSaddler, an adaptive training framework that optimizes AI agents by dynamically allocating budgets to address failure patterns, significantly improving performance on GAIA2 and Terminal-Bench benchmarks.
原文节选
微软提出 ActiveSaddler,通过自适应调整训练场景来优化 AI 智能体框架(harness)。该方法将反复出现的失败归类为失败模式,以非平稳赌博机方式追踪每种模式的学习价值,动态分配预算在复现已知弱点和探索新弱点之间。在相同优化器下,GAIA2 测试 Pass@1 提升 4.4 分,Terminal-Bench 2.0 提升 7.5 分。