Alibaba의 AgentEvolver는 자동 생성된 합성 작업을 사용하여 도구 사용 시 모델 성능을 최대 30% 높입니다.

Alibaba의 Tongyi Lab 연구원들은 애플리케이션 환경을 탐색하여 자체 교육 데이터를 생성하는 자가 진화 에이전트를 위한 새로운 프레임워크를 개발했습니다. 프레임워크인 AgentEvolver는 자율 학습을 위해 대규모 언어 모델의 지식과 추론 기능을 사용하여 작업별 데이터 세트를 수집하는 데 일반적으로 필요한 높은 비용과 수동 노력을 해결합니다. 실험에 따르면 기존 강화 학습 기반 프레임워크에 비해 AgentEvolver는 환경 탐색에 더 효율적이고 데이터를 더 잘 활용하며 애플리케이션 환경에 더 빠르게 적응합니다. 기업의 경우 이는 맞춤형 애플리케이션을 위한 에이전트 교육에 대한 장벽을 낮추고 강력한 맞춤형 AI 도우미를 더 광범위한 조직에서 더 쉽게 이용할 수 있도록 하기 때문에 중요합니다. AI 에이전트 교육에 드는 높은 비용강화 학습은 LLM이 디지털 환경과 상호 작용하고 AI에서 학습할 수 있는 에이전트 역할을 하도록 교육하는 주요 패러다임이 되었습니다.