محققان در پژوهش جدیدی، رویکرد جذابی برای بهبود عملکرد سیستمهای مبتنی بر عامل (Agent) معرفی کردهاند. سیستم جدیدی به نام AdaMAST به جای اتکا به بازخوردهای متنی پراکنده و دشوار، به صورت خودکار یک «تاکسونومی شکست» (Failure Taxonomy) برای عاملها ایجاد میکند.
این سیستم با تحلیل ردپای اجرای عاملها، کدهای خطای مشخصی را استخراج میکند که باعث میشود عاملها از اشتباهات گذشته خود بسیار بهتر یاد بگیرند. نتایج خیرهکنندهای هم در آزمونهای برنامهنویسی به دست آمده که نشان میدهد استفاده از این متد، دقت مدلهایی مثل Claude Code را تا بیش از ۷۰ درصد افزایش میدهد.
این یعنی هوش مصنوعی در حال یادگیری نحوه عیبیابی دقیقتر و سریعتر روی عملکرد خودش است! 🚀
نویسی
منبع: arXiv AI