НОВЫЙ компилятор устойчивых навыков: WIKISKILL (Google)

Новый, провокационный алгоритм обучения ИИ: не внутри нейронных весов, а в рекурсивной связи между замороженной моделью обучения с использованием линейных моделей (LLM), постоянным состоянием среды и обратной связью. WikiSkill — это автономная система развития навыков с внешним циклом для решения сложных задач и обработки запросов пользователей. Может ли замороженная модель обучения с использованием линейных моделей накапливать подлинные процедурные знания без обновления ни одного параметра? WikiSkill представляет собой архитектуру обучения на основе файлов, которая преобразует неизменяемые траектории агентов в постоянные шаблоны Wiki, позволяет инициатору ReAct на основе LLM компилировать эти знания, полученные в результате итераций, в исполняемые файлы SKILL.md и допускает каждое изменение только посредством отката с проверкой достоверности, сохраняя при этом даже отклоненные эксперименты в качестве будущих доказательств. На пяти моделях и пяти тестовых примерах этот внешний компилятор навыков обеспечивает прирост производительности до 23,9 баллов, позволяет модели с 9B навыками превзойти модель без навыков с 27B навыками и раскрывает новый, провокационный алгоритм обучения ИИ: не внутри нейронных весов, а в рекурсивной связи между замороженной LLM, постоянным состоянием системы и обратной связью от окружающей среды. Все права принадлежат авторам: WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution Liyan Tang1, Cyrus Rashtchian1, Chun-Sung Ferng1, Andrew Tomkins1, Da-Cheng Juan1 and Tu Vu1,2 из 1 Google Research, 2 Virginia Tech #airesearch #aiexplained #aiskills