خبر کوتاه · 1 دقیقه مطالعه
گوگل ریسرچ چارچوب RRSI را برای عاملهای هوش مصنوعی خودبهبوددهنده منتشر کرد
این ابزار متنباز به عاملهای مبتنی بر مدلهای زبانی بزرگ امکان میدهد بدون تغییر خود مدل، پرامپتها، ابزارها و حافظهشان را تنظیم کنند و امتیازهایشان را در آزمونهای معیار بهبود دهند.
Oossa · درباره Oossa
بخش پژوهش هوش مصنوعی Google Cloud، چارچوب RRSI را در دسترس عموم قرار داده است. این چارچوب به عاملهای مبتنی بر مدلهای زبانی بزرگ اجازه میدهد در حالی که وزنهای مدل ثابت میمانند، پرامپتها، ابزارها و حافظه خود را بازنویسی کنند. همچنین برای جلوگیری از بیشبرازشِ بهبودها، سازوکارهای ایمنیای مانند ارزیاب نشت اطلاعات و قاعدهای برای کنترل هزینه در نظر گرفته است. در آزمایشها با Claude Opus 4.8، امتیاز Terminal‑Bench 2.1 از 74.2% به 80.2% رسید و هر شش بخش کنارگذاشتهشده نیز بهبود نشان دادند.
چرا مهم است
این چارچوب نشان میدهد عاملهای هوش مصنوعی میتوانند بدون آموزش دوباره مدل زیربنایی، در انجام وظایف تازه بهتر شوند؛ رویکردی که در مصرف توان پردازشی صرفهجویی میکند و خطر بیشبرازش را کاهش میدهد.
منابع و ارجاعها
| # | منبع | رسانه | تاریخ | نکته اصلی |
|---|---|---|---|---|
| 1 | Google Research Open-Sources RRSI: AI Agents That Improve Their Own Harness Without Overfitting ↗ | MarkTechPost | ۷ مهر ۱۴۰۵ | Google Cloud AI Research has open-sourced RRSI, a framework that lets LLM agents rewrite their own prompts, tools and memory while model weights stay frozen. |
1 منبع
آخرین بهروزرسانی:
Oossa · خبرنامه
هفتهٔ هوش مصنوعی، به زبان ساده
هر دوشنبه: خبرهایی که ارزش دانستن دارند، به زبان ساده. رایگان و بدون هرزنامه.