ReGE：通过经验合成增强智能体能力
ReGE是一种将智能体在交互式任务中记录的过往经验转化为新一轮执行指导的框架。其主要实现ReGE-Syn通过一次模型调用，联合合成执行记录和可用产物，将任务相关发现与建议行动及潜在风险联系起来。来源生成、指导合成和任务执行均使用同一个基础模型，无需更新参数，也不需要更强大的教师模型。在四项基准测试中，与无指导执行相比，ReGE使GPT的准确率平均提高9.9个百分点，使Claude提高8.8个百分点。在BrowseComp-Plus的匹配子集上，该方法还显著减少了构建指导所需的令牌数量。研究表明，智能体可以用相对低成本的方式整合自身执行经验，从而改善后续任务完成效果。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。