Résumé
Reflexion xarala la boo xamni ab ndawu IA di xalaat ci bind ci ay njuumteem ba noppi mu delloosi njàngale yooyu ci jéemam bu ci topp. Dafa am solo ndax dafay may ndawu liggéey bi ñu gëna mëna liggéey te duñu tàggataat xeetu liggéey bi.
Reflexion ak Self-Correcting Agents dañuy bàyyi seen xel ci jëfandikoo gi: soppi kàttan model ci liggéey bu wóor buy joxe valeur buñ mëna natt.
Plongeur bu xóot
Reflexion, bi Shinn ak ay naataango dugal ci benn téere ci atum 2023, dafay jox ab ndawu liggéey benn loop: mu jéem ab liggéey, jot siñaal ci nimu defee (résultat test, neexal, wala ŋàññi), ba noppi bind ab 'xalaat' bu gàtt ci làkk wiñ wax, di leeral li jaarul yoon ak li ci topp. Reflection boobu dañu koy denc ci mémoire bi ba noppi ñu njëkka def ko ci prompt bi ci topp. Li gëna am solo mooy diisaayu model bi du musa soppeeku; jàng dafay xew ci palanteer bi muy bind. Bii 'jàngat buy dooleel kàddu' dafay may ndawu liggéey yi ñu baamtu ci jafe-jafe kodage, navigation web, ak liggéeyi xalaat. Ci kaw benchmark codage HumanEval, xeetu Reflexion-style self-correction push pass rates bu gëna kawe jéem benn yoon, ci bàyyi agent bi debug njuumte boppam ci ay jéem yu néew.
Gis-gis xarala
Reflexion dafa tàqale ñatti cër: Actor biy defar jëf, Evaluateur biy joxe poñ ci resultaa bi (test yu unité yi, saytu bu méngoo bu baax, wala àttekat LLM), ak model Self-Reflection biy soppi poñ yooyu ci njàngale buñ bind. Njàngale mi dafay wàcci ci benn tampon memory episodik buñuy jëfandikoowaat ci àtte bi ci topp. Ndax feedback làkk la, du gradient, soxlawul tàggat GPU, waaye mingi aju bu bari ci siñaal evaluation bu wóor ngir moytu gëna dooleel xalaat yu wóolu waaye yu baaxul.
Xam xalaat ak defar sa bopp
Reflexion xarala la boo xamni ab ndawu IA di xalaat ci bind ci ay njuumteem ba noppi mu delloosi njàngale yooyu ci jéemam bu ci topp. Dafa am solo ndax dafay may ndawu liggéey bi ñu gëna mëna liggéey te duñu tàggataat xeetu liggéey bi. Reflexion ak Self-Correcting Agents dañuy bàyyi seen xel ci jëfandikoo gi: soppi kàttan model ci liggéey bu wóor buy joxe valeur buñ mëna natt. Ngir tabax xam-xam bu xóot, jàppal Reflexion ak Self-Correcting Agents ni xeetu liggéey, du benn man-man: leeral njariñ yi nga bëgg, leeral xalaat yi, ak tàqale li sistem bi mëna def ci anam wu wóor ak li ba leegi soxla àtteb kàngam.
Ci jëf, ekip yu am doole yiy jëfandikoo Reflexion ak Self-Correcting Agents dañuy bàyyi seen xel ci njariñu liggéey bi, duñu wane demo yi, ba noppi ñu teela fësal barabi saytu nit ñi. Dañuy bind kritër yu leer ngir am ndam, natt leen ci done yu dëggu ak def liggéey, ba noppi ñu baamtu ci anamu ñàkka mëna seetlu, du ci benn yoon benchmark wins. Mooy barab bi xam-xam theorie bi di soppiku nekk kàttan buy yàgg ci produit yi, ci politik yi ak ci liggéey yi.
Ni ñuy jëmmale aplikaasioŋ bi mooy wane ndax IA dafay gëna baaxal njariñ yi. Ci jamano jooju, otomatise ab prosedur bu yàqu mën na yokk jafe-jafe yi fi nekk. Xeetu jëf bi gëna dëgër mooy boole gaawaayu jàngat ak disipline nguur: doxal pilote, jàpp firnde, siiwal dogal yi, ak wéy di yeesal kaaraange gi ci anam wi ñuy doxalee, li jëfandikukat bi di xaar, ak sàrti sàrt yi di jëm kanam.
njeextalu pexe
Ni ñuy jëmmale aplikaasioŋ bi mooy wane ndax IA dafay gëna baaxal njariñ yi.
Ni ñuy jëmmale aplikaasioŋ bi mooy wane ndax IA dafay gëna baaxal njariñ yi. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Integraasioŋ bu baax ci def liggéey dafay jur njariñu liggéey bu jëfandikukat yi mëna wóolu.
Integraasioŋ bu baax ci def liggéey dafay jur njariñu liggéey bu jëfandikukat yi mëna wóolu. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Jëfandikoo bu jaar yoon dina wàññi coono coppite ak risku samp gi.
Jëfandikoo bu jaar yoon dina wàññi coono coppite ak risku samp gi. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Doxal ci àdduna dëgg
Agent codage biy def ay test unitaire, di jàng assertion bi jaarul yoon, bind ci bug bi, ba noppi soppali kode bi balaa muy doxalaat suite bi.
Assistant gëstukat bi jàpp citation hallucinated su check retrieval bi jàllul, su ko defee mu xoolaat tontu bi ngir jëfandikoo ay balluwaay yuñ firndeel kese.
Agent navigation web (lu melni, ci AlfWorld wala WebShop benchmarks) buy bind 'Dama klike ci filtre bu jaarul yoon' te moytu njuumte boobu suñu jéemaat.
Ab jafe-jafe math buy saytu tontu bu mujj bi ci benn tënk, gis njuumte ci màndarga, ba noppi liggéeyaat jéego bi war.
Modèlu jëfandikoo
Reflexion ak Agent yuy jubbanti seen bopp ci jëf
Agent codage biy def ay test unitaire, di jàng assertion bi jaarul yoon, bind ci bug bi, ba noppi soppali kode bi balaa muy doxalaat suite bi.
Agent codage biy def ay test unitaire, jàng wax ji jaarul yoon, bind benn note ci bug bi, ba noppi soppali kode bi balaa muy doxalaat suite bi. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njuumte yi.
Reflexion ak Agent yuy jubbanti seen bopp ci jëf
Assistant gëstukat bi jàpp citation hallucinated su check retrieval bi jàllul, su ko defee mu xoolaat tontu bi ngir jëfandikoo ay balluwaay yuñ firndeel kese.
Assistant gëstukat bi jàpp citation hallucinated su benn check retrieval jàllul, ba noppi xoolaat tontu bi ngir jëfandikoo ay balluwaay yuñ firndeel rek. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee thresholds yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit ak njëgu njuumte ci diir bi.
Reflexion ak Agent yuy jubbanti seen bopp ci jëf
Agent navigation web (lu melni, ci AlfWorld wala WebShop benchmarks) buy bind 'Dama klike ci filtre bu jaarul yoon' te moytu njuumte boobu suñu jéemaat.
Agent web-navigation (lu melni, ci AlfWorld wala WebShop benchmarks) biy bind 'ma klike ci filtre bu jaarul yoon' te moytu njuumte boobu ci jéemaat.
Reflexion ak Agent yuy jubbanti seen bopp ci jëf
Ab jafe-jafe math buy saytu tontu bu mujj bi ci benn tënk, gis njuumte ci màndarga, ba noppi liggéeyaat jéego bi war.
Ab jafe-jafe math buy saytu tontu bu mujj ci benn constraint, gis benn njuumte ci siñaal, ba noppi liggéeyaat jéego yi war. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee ay threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bu gàtt.
Risk yi ak balustrade yi
Otomatise procédure bu yàqu mën na yokk jafe-jafe yi fi nekk.
Ekip yi mën nañu otomatise lu ëpp ba noppi dindi àtteb nit ñi.
Kalite mën na wàññeeku sudee duñu wéy di jàngat li ñuy génne.
Roadmap ngir samp gi
Defal kàrt ni liggéey bi di doxee leegi nga ràññee jéego bi gëna am jafe-jafe.
Defal kàrt ni liggéey bi di doxee leegi nga ràññee jéego bi gëna am jafe-jafe. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Mandargal barabu saytu nit balaa otomatisasioŋ bu mat sëkk.
Mandargal barabu saytu nit balaa otomatisasioŋ bu mat sëkk. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Taggat jëfandikukat yi ci ay laaj, yooni eskalaasioŋ ak seeni sàrti kalite.
Taggat jëfandikukat yi ci ay laaj, yooni eskalaasioŋ ak seeni sàrti kalite. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Toppal njariñu niveau liggéey bi ngir firndeel valeur buy wéy.
Toppal njariñu niveau liggéey bi ngir firndeel valeur buy wéy. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.