Le filThèmes : RechercheAgents
Attacca entraîne des agents incarnés à chercher puis atteindre leur cible dans Minecraft
1 sourcemis à jour il y a 13 hpertinence 3,0 sur5
L’essentiel
Selon ses auteurs, la méthode atteint 39,0-47,5 % de réussite nette, soit 1,7 à 2,4 fois la meilleure référence. Sur les tâches longues, elle atteint 54 %, 30 % et 28 % d’achèvement, jusqu’à 7 fois mieux.
Propagation1 article, publié par HF Daily Papers le 7 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceGyusik Seo, Jaehong Yoonhuggingface.co
Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents (site externe)
We propose Attacca, a new approach that trains visual goal-conditioned policies on complete search-to-interact trajectories using goal images decoupled from the execution environment.
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