Nowa ankieta na temat agentycznego uczenia się przez wzmocnienie dla LLM. LLM RL nadal traktuje modele jak generatory sekwencji optymalizowane w stosunkowo wąskich ustawieniach. Jednak prawdziwe agenty działają w otwartych, częściowo obserwowalnych środowiskach, gdzie planowanie, pamięć, użycie narzędzi, rozumowanie, samodoskonalenie i percepcja wzajemnie na siebie oddziałują. Niniejszy artykuł argumentuje, że agentyczne RL powinno być traktowane jako własny krajobraz. Wprowadza szeroką taksonomię, która organizuje dziedzinę w oparciu o podstawowe zdolności agentów i obszary zastosowań, a następnie mapuje otwarte środowiska, benchmarki i ramy kształtujące tę przestrzeń. Jeśli budujesz agentów, to jest to mocny artykuł, który warto sprawdzić. Artykuł: Naucz się budować skuteczne agenty AI w naszej akademii: