يقدّم الباحثون TinyAstral، وهي طريقة لنقل التحسينات التي أُدخلت على أدوات وكيل روبوتي وآليات التغذية الراجعة والتعافي لديه إلى نموذج أصغر. وعلى RoboTwin، أفاد الفريق بأن تحسين منظومة تشغيل النموذج المعلّم رفع معدل نجاحه من 33.4% إلى 63.6%، فيما حقق النموذج الطالب المُقطّر، بحجم 4B، نسبة 62.8%.
ويقول الباحثون إن النموذج الطالب استهلك نحو خُمس وقت المسرّعات الذي استهلكه معلّمه في حلقات النشر المقاسة. ونُشر العمل في ورقة على arXiv؛ ولا يذكر ملخصها إجراء تحقق مستقل من النتائج.
لماذا يهم
بالنسبة إلى الفرق التي تشغّل وكلاء روبوتيين، قد يؤدي الانخفاض المبلّغ عنه، بمقدار خمسة أضعاف، في وقت المسرّعات إلى تقليل متطلبات الحوسبة أثناء النشر، لكن الملخص لا يثبت تحققًا مستقلًا من النتائج أو أداءً أفضل على نطاق أوسع في العالم الحقيقي.
