כתבה
arXiv cs.AI ·
WEFT: כלי לגידול תכונות כלי לאחר הכשרה לאג'נטים כלליים
WEFT: Scaling Tool-Use Post-Training for General-Purpose Agents
WEFT (Whole-system Evolution For Tool-use Post-training) היא כלי לגידול תכונות כלי לאחר הכשרה. WEFT מגדיל את תכונות האג'נטים כלליים על ידי קונסטרוקציה של מערכת השגה-אג'נט-טאסק-אבלייטור, ומשתמשת בסלפ-אבולושן ניתוחי-ביצועי. WEFT-8B ו-WEFT-14B הציגו תוצאות טובות יותר מכל הבסיסים המקבילים שלהם ב-BFCL V4, $ au^2$-Bench, ו-Claw-Eval.
תקציר מקורי באנגליתarXiv:2609.36887v1 Announce Type: new Abstract: Recent efforts to scale tool-use post-training have largely centered on the synthesis of executable environments, which constitute only one component of a broader agentic interaction system comprising the environment, task, agent harness, and evaluator. Scaling environments in isolation, however, does not guarantee commensurate gains in model performance, because reliable learning signals depend on coherent interactions among all components of the agentic interaction system. To address this problem, we introduce WEFT (Whole-system Evolution For Tool-use Post-training), which couples scalable agentic interaction system construction, execution-driven self-evolution, and stable post-training. WEFT scales agentic interaction system construction a
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית