Concetto · 5 novità
Long-horizon agents
Pagina pubblicata il · ultima novità il
Cronologia
- EdgeWise: Bringing Long-Horizon Agents to the Edge via Selective Cloud DelegationPer gli sviluppatori che lavorano con agenti AI e modelli locali, EdgeWise offre un modo per bilanciare costi di inferenza elevati delle frontiera models senza sacrificare le capacità necessarie per task a lungo orizzonte.
- Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon AgentsPer gli sviluppatori che lavorano con agenti autonomi, questo metodo è cruciale per gestire stati persistenti complessi senza sovraccaricare i budget token o degradare le performance durante task a lungo termine. Inoltre, l'architettura orientata agli oggetti facilita il deployment di modelli e agenti in ambienti locali dove la gestione efficiente della memoria contestuale è un vincolo critico.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World BusinessPer gli sviluppatori che lavorano con LLM e agenti, BizBench è cruciale perché sposta il focus dalla semplice completazione del task all'affidabilità e alla conformità ai vincoli in ambienti aziendali reali ad alto rischio.
- Tev: Scaling Long-Horizon Agentic Environments with Dense Progress RewardsPer gli sviluppatori di agenti e AI locale, questo approccio risolve il collo di bottiglia dei reward sparsi nei long-horizon tasks, fornendo un recipe riproducibile per addestrare modelli autonomi complessi senza dipendere da dati curati manualmente.
- REMORY: Learning Residual Memory for Context CompactionPer uno sviluppatore che lavora con LLM, agenti o AI locale, REMORY offre un metodo per estendere efficacemente la capacità di ragionamento a lungo termine senza espandere artificialmente il contesto in input, riducendo così i costi computazionali e migliorando l'affidabilità degli strumenti.