GRASP: Neuer gradientenbasierter Planer für langfristige Planung in Weltmodellen

Forscher des BAIR schlagen GRASP vor, einen gradientenbasierten Planer, der Herausforderungen bei der langfristigen Planung mit gelernten Weltmodellen bewältigt. Er hebt die Trajektorienoptimierung auf parallele virtuelle Zustände, führt Stochasticity zur Exploration ein und formt Gradienten um, um spröde Zustands-Eingabe-Gradienten zu vermeiden.

Berkeley Artificial Intelligence Research (BAIR)

ReasoningBank: Ein Gedächtnis-Framework für KI-Agenten, das aus Erfolgen und Misserfolgen lernt

Google-Forscher schlagen ReasoningBank vor, ein neuartiges Agentengedächtnis-Framework, das aus erfolgreichen und fehlgeschlagenen Erfahrungen verallgemeinerbare Reasoning-Strategien destilliert und so kontinuierliches Lernen nach dem Einsatz ermöglicht. Evaluiert auf Benchmarks für Web-Browsing und Softwareentwicklung verbessert es die Effektivität und Effizienz von Agenten. Das Framework nutzt memory-aware test-time scaling (MaTTS), um Explorationsverläufe zu nutzen.

Google/DeepMind