#agent harness のAIニュース

エージェント間相互作用中のトークンIDの記録による強化学習の改善

Amazon Science は、言語モデルがコード記述やウェブ操作などの多段階タスクを遂行する際、その過程で生成されるトークンIDを記録し、強化学習を通じてモデル性能を向上させる手法を発表した。