Forskare under ledning av Wei‑Xiang Mao har presenterat TaReD, en metod för rekursiv uppdelning med verktygsmedvetenhet, avsedd för AI-agenter som behöver använda externa verktyg. Metoden skapar en hierarki över verktygens förmågor och låter agenten hitta verktyg först när de behövs. I tester med verkliga uppgifter som sträcker sig över lång tid höjde TaReD den totala andelen slutförda uppgifter med så mycket som 40 procentenheter jämfört med befintliga baslinjer. Koden finns på GitHub och kan testas av alla.
Varför det spelar roll
Utvecklare av AI-assistenter kan få mer tillförlitliga resultat i komplexa arbetsflöden utan att behöva läsa in alla verktygsdefinitioner på en gång.
