Le filThèmes : AgentsRecherche
ExpVoyager traite la synthèse de compétences d’agents comme une navigation dans l’expérience passée
1 sourcemis à jour 29 sept.pertinence 3,4 sur5
L’essentiel
Dans ce framework, un curateur de compétences explore les trajectoires brutes selon plusieurs vues et résolutions. Les auteurs rapportent de meilleures performances sur les tâches aval et des gains continus quand l’expérience croît.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceKwangwook Seo, Dongha Leehuggingface.co
ExpVoyager: Direct Experience Navigation for Dynamic Agent Skill Synthesis (site externe)
Learning from experience in LLM agents has become a key paradigm for developing self-evolving agents that continuously learn and expand their capabilities.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5