แท็ก

#tool use

3 บทความ

Scale AI เปิด VeRO: ให้ 'เอเจนต์นักปรับ' ไปแก้เอเจนต์อีกตัวเอง — ดันคะแนน tool use ขึ้นได้ถึง 19 จุด แต่ 'ยกระดับการให้เหตุผล' ยังทำไม่ได้
งานวิจัย

Scale AI เปิด VeRO: ให้ 'เอเจนต์นักปรับ' ไปแก้เอเจนต์อีกตัวเอง — ดันคะแนน tool use ขึ้นได้ถึง 19 จุด แต่ 'ยกระดับการให้เหตุผล' ยังทำไม่ได้

Scale AI เปิดตัว VeRO (Versioning, Rewards, and Observations) กรอบที่ให้ 'เอเจนต์นักปรับ' เข้าไปแก้ส่วนต่าง ๆ ของเอเจนต์เป้าหมาย — ทั้งการใช้เครื่องมือ, จัดการไฟล์, ค้นหา, และ logic เวิร์กโฟลว์ ได้กำไรบน GAIA สูงสุด 19 จุด แต่พบขีดจำกัดชัด: ปรับ 'การให้เหตุผล' ที่ถูกจำกัดด้วยโมเดลฐานไม่ได้ และการแก้เชิงโครงสร้างทนกว่าการแก้แค่ prompt

· อ่าน 5 นาที
ToolFailBench: งานวิจัยชี้ 'คะแนนรวม' ปิดบังว่าเอเจนต์ล้มเหลวเรื่อง tool use อย่างไร — แยกโหมดพัง 4 แบบ โมเดลเก่งสุดยังทำ Clean Tool-Use ได้แค่ 86%
งานวิจัย

ToolFailBench: งานวิจัยชี้ 'คะแนนรวม' ปิดบังว่าเอเจนต์ล้มเหลวเรื่อง tool use อย่างไร — แยกโหมดพัง 4 แบบ โมเดลเก่งสุดยังทำ Clean Tool-Use ได้แค่ 86%

เบนช์มาร์กใหม่ ToolFailBench (1,000 งาน, 5 โดเมน, 19 โมเดล) แยก 'ความล้มเหลวเรื่องเครื่องมือ' ของเอเจนต์ออกเป็น 4 โหมด แทนคะแนนรวมก้อนเดียว พบว่าโมเดลเก่งสุดยังทำ Clean Tool-Use Rate ได้แค่ 86.33% — และโมเดลที่คะแนนรวมใกล้กันกลับพังคนละแบบ Llama-3.1 มีนิสัย 'เรียกเครื่องมือตลอด'

· อ่าน 5 นาที
Liquid AI ปล่อย LFM2.5-230M — โมเดลโอเพนเวต 230 ล้านพารามิเตอร์ที่รันบนมือถือได้ 213 โทเคน/วินาที และเก่งกว่าโมเดลใหญ่กว่า 4 เท่าในงานดึงข้อมูล
โมเดลใหม่

Liquid AI ปล่อย LFM2.5-230M — โมเดลโอเพนเวต 230 ล้านพารามิเตอร์ที่รันบนมือถือได้ 213 โทเคน/วินาที และเก่งกว่าโมเดลใหญ่กว่า 4 เท่าในงานดึงข้อมูล

Liquid AI เปิดเวต LFM2.5-230M โมเดลจิ๋ว 230 ล้านพารามิเตอร์ที่ออกแบบมาเพื่อ tool use และดึงข้อมูลบนอุปกรณ์ปลายทาง — ทำได้ 213 โทเคน/วินาทีบน Galaxy S25 Ultra, 42 โทเคน/วินาทีบน Raspberry Pi 5 และทำคะแนนดึงข้อมูลชนะ Qwen3.5-0.8B และ Gemma 3 1B ที่ตัวใหญ่กว่า

· อ่าน 5 นาที