Onderzoekers onder leiding van Wei-Xiang Mao hebben TaReD uitgebracht, een techniek voor toolbewuste, recursieve opsplitsing voor AI-agenten die externe tools moeten gebruiken. De methode brengt de mogelijkheden van tools in een hiërarchie onder en laat de agent alleen tools ontdekken wanneer dat nodig is. In experimenten met realistische taken die lang duren, verhoogde TaReD het totale succespercentage met maximaal 40 procentpunt ten opzichte van bestaande basismodellen. De code staat op GitHub en is voor iedereen beschikbaar om uit te proberen.
Waarom het ertoe doet
Ontwikkelaars van AI-assistenten kunnen complexe workflows betrouwbaarder uitvoeren zonder vooraf alle tooldefinities te laden.
