IBM Research pokazuje, jak agent AI uczy się na własnych błędach i zużywa mniej tokenów

👁 133 przeczytań

Badacze z IBM Research opublikowali szczegółowy opis systemu ALTK-Evolve - mechanizmu agenckiej pamięci, który uczy agenta AI na podstawie jego własnych wcześniejszych działań, nie wymagając przy tym ani aktualizacji wag, ani ludzkich etykiet. Artykuł porównuje go bezpośrednio z ACE (Agentic Context Engineering), metodą od innego zespołu, i pokazuje, gdzie obie drogi się rozchodzą.

Punkt wyjścia jest ten sam dla obu systemów: agent dostaje złożone, wieloetapowe zadanie - na przykład rozliczenie rachunku, znalezienie piosenki albo uzgodnienie zamówienia w dziewięciu symulowanych aplikacjach. Gdy zawodzi, najczęściej nie z powodu braku wiedzy o API, lecz dlatego, że nie zinternalizował, jak z nich korzystać niezawodnie. Takich wzorców można go nauczyć z jego własnej historii.

To samo przekonanie, inne opakowanie

Zarówno ALTK-Evolve, jak i ACE odrzucają kompresję zdobytych lekcji. ACE wprost nazywa dwa patologie, którym chce zapobiec: brevity bias - tendencję do skracania instrukcji do ogólników - oraz context collapse, czyli gubienie szczegółów przy przepisywaniu całego kontekstu w każdym kroku. Odpowiedzią ACE jest rozbudowany, ewoluujący podręcznik z licznikiem użyteczności przy każdym wpisie.

IBM idzie tą samą logiką z innej strony. Każda wskazówka w ALTK-Evolve ma licznik wsparcia - ile niezależnych epizodów ją potwierdziło. Lekcja odkryta przez pięć różnych zadań to inny obiekt niż ta, która pojawiła się raz, i obie są warte zachowania. Żaden system nie sprowadza zgromadzonej wiedzy do garści ogólnych reguł.

Różnica ujawnia się na etapie budowania pamięci i - co ważniejsze z punktu widzenia kosztów - jej dostarczania. ACE buduje jeden wspólny, narastający podręcznik przez pętlę Generator-Reflector-Curator i deduplikuje wpisy przez osadzenia wektorowe. ALTK-Evolve grupuje zbliżone lekcje w klastry i scala je z zachowaniem skumulowanej liczby wsparć, więc zbiór się kurczy, ale nie traci informacji o tym, ile doświadczeń stoi za każdą wskazówką. Co istotne, wyodrębniane wskazówki mają typy - strategia, odtwarzanie po błędzie, optymalizacja - z atrybucją przyczynową i powiązaniem z konkretną trajektorią źródłową.

Przy wnioskowaniu ACE podaje agentowi cały podręcznik; ALTK-Evolve pobiera tylko te wskazówki, które są istotne dla bieżącego podzadania. To właśnie ta różnica przekłada się bezpośrednio na rachunek tokenów - i jest głównym argumentem IBM za własnym podejściem.

// czytaj dalej86% firm przyznaje, że ich GPU pracują na połowie możliwości lub mniejNewsyDeepfake Haalanda z 31 milionami wyświetleń pokazuje, jak AI zmienia sportNewsyGoogle na 250-lecie niepodległości USA pokazuje reklamę z AI przy pisaniu DeklaracjiNewsy