Le filThèmes : RechercheAgents
X-Tree extrait des routines réutilisables des trajectoires pour entraîner des agents multi-étapes
1 sourcemis à jour il y a 5 jpertinence 3,3 sur5
L’essentiel
X-Tree construit un arbre d’expériences par comptage, sans appel à un LLM. À données et budget égaux, il améliore les recettes standard jusqu’à 4,5 % de SR sur WebArena et 5,8 % sur ScienceWorld.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSitao Cheng, Xunjian Yin, Zhiyuan Sun et al.huggingface.co
X-Tree: Tokenizing Reusable Experience for Efficient Agent Generalization (site externe)
Multi-step agents are trained on flat action streams: SFT and RLVR weight every token uniformly and ignore the sub-procedures that recur across tasks, the hierarchy that lets humans plan top-down from reusable routines.
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