Le filThèmes : RechercheAgents
Recursive Harness Distillation permet à un agent léger de réutiliser l’expérience d’un agent fort en robotique
1 sourcemis à jour 29 sept.pertinence 2,6 sur5
L’essentiel
Un agent fort distille son expérience en un playbook, affiné avec les retours de l’agent léger. En manipulation réelle, le taux de réussite passe de 37,3 % à 64,0 %. Sur SimplerEnv Bridge, l’agent léger atteint 66,7 % contre 41,7 %.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSeungyeon Kim, Junhoo Lee, Minkyu Kim et al.huggingface.co
Recursive Harness Distillation across Agents for Robot Manipulation (site externe)
A central goal in robotics is to enable manipulation across changing tasks and environments. Vision-language-action (VLA) models provide broad manipulation capabilities but can struggle when execution requires diagnosing failures and adapting behavior.
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