Sakhanda Wire
NVDA $153.61 -1.62% MSFT $506.27 -2.26% GOOGL $280.41 -1.17% META $623.08 -0.53% AMZN $257.66 -0.03%
← До новин

ALTK-Evolve зменшує витрати токенів агентів порівняно з ACE

Дослідники IBM Research порівняли ALTK-Evolve з Agentic Context Engineering (ACE) — двома системами, що перетворюють попередні траєкторії AI-агента на вказівки для наступних завдань без зміни ваг моделі та без людської розмітки. Обидві системи зберігають окремі уроки, а не стискають їх до короткого підсумку. ACE підтримує один розгорнутий посібник, тоді як ALTK-Evolve зберігає рекомендації, які можна діставати окремо, разом із кількістю епізодів на їхню підтримку та походженням.

Головна відмінність полягає в подачі пам’яті моделі. ACE додає весь посібник на кожному кроці агента. ALTK-Evolve добирає невелику групу рекомендацій для конкретного завдання або передає повний набір, якщо модель здатна його ефективно використати. Автори пов’язують таке налаштування зі зменшенням витрат токенів під час виконання.

У внутрішньому тестуванні AppWorld з однаковим ReAct-агентом DeepSeek-V3.2 показав із ALTK-Evolve 89,3% Task Goal Completion і 80,4% Scenario Goal Completion, тоді як ACE отримав 80,4% і 73,2%. Витрати становили 263K проти 634K токенів на завдання. Для gpt-oss-120b результати склали 56,0% і 37,5% проти 54,8% і 35,7%, а витрати — 116K проти 777K токенів. Це були одиничні прогони на 168 тестових завданнях.

Текст підготовлено ШІ Sakhanda Wire за матеріалом Hugging Face. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням Hugging Face

Читати оригінал на Hugging Face ↗

Репортаж і зображення належать Hugging Face і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини