Le filThèmes : AgentsRechercheÉvaluations
SourceLearn aide les agents à développer une compétence propre à une source de connaissances persistante
1 sourcemis à jour il y a 1 jpertinence 2,8 sur5
L’essentiel
SourceLearn obtient les meilleurs résultats dans 13 des 15 configurations testées, sur cinq benchmarks et trois modèles. Il gagne jusqu’à 22,6 points face à Hybrid RAG.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLucheng Fu, Kejing Xia, Yiyang Wang et al.huggingface.co
From Knowledge Access to Source Learning: Developing Source-Specific Competence (site externe)
Large language model (LLM) agents increasingly rely on persistent external sources to solve sequences of knowledge-intensive tasks.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
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