컴퓨터 사용 에이전트를 위한 의도-조건에 의한 행동 평가 시스템
(arXiv:2604.05157v1)
컴퓨터 사용 에이전트(CUAs)는 대규모 언어 모델을 사용하여 데스크톱 환경에서 GUI 연산을 수행하지만, 행동의 품질을 평가하지 않고 행동을 생성하는 결과로, 이후의 단계에서 불가피한 오류가 연쇄적으로 발생한다.
우리는 IntentScore라는 목적에 대한 계획에 대한 보상 모델을 제안한다. IntentScore는 3대 운영 체제를 포괄하는 398K개의 오프라인 GUI 상호 작용 단계를 기반으로 후보 행동의 점수를 학습한다. IntentScore는 두 가지 상보적인 목표를 학습한다: 상태-행동의 관련성에 대한 대조적 정렬 및 행동의 정확성에 대한 마진 랭킹.
건축학적으로, IntentScore는 각 후보의 계획 의도를 행동 인코더에 삽입하여, 비슷한 행동을 하지만 다른 가르침을 가진 후보를 구별할 수 있도록 한다. IntentScore는 보유된 평가 세트에서 97.5%의 쌍별 판별 정확도를 달성한다.
Agent S3를 OSWorld라는 훈련 중에 전혀 보지 못한 환경에서 재 랭킹하는 경우, IntentScore는 6.9점의 과제 성공률을 향상시켜, 다종의 오프라인 경로에서 학습된 보상 추정량이 보이지 않는 에이전트와 과제 분포에 일반화되는 것을 보여준다.
함께 읽으면 좋은 기사
Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.
AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는
메타, 인공지능 앱 '뮤즈'에 힘을 싣는다
메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.
메타의 AI 태그치 시도는 성공적인 것일까?
메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?
OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.
연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.
강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정
역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역
BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화
DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.