10:47
官方账号arXiv cs.AI@Yucheng Jiang, Zora Zhiruo Wang, Ruishi Chen, Diyi Yang
推荐理由：TMI方法能够从计算机使用痕迹中诱导出任务模型，为任务执行提供更准确的指导，比现有方法更有效
流程模型
共 2 条相关 AI 资讯
8月21日
10:47
自然计算机使用痕迹是获取日常工作模型的有价值资源。TMI方法能够发现未约束痕迹中的潜在任务，并为每个潜在任务诱导一个任务模型，包括递归目标分解的层次目标模型和控制流程的流程模型。TMI在控制的人类和代理轨迹上，与真实分组有0.974的一致性，并重建了74.9%的观察到的执行步骤。技能提升使任务准确率比最强基线高30.0%
7月8日
10:05
10:05
官方账号arXiv cs.LG@Alexander Rombach, Chantale Lauer, Nijat Mehdiyev
推荐理由：想知道怎么给LLM设计奖励函数来提升生成质量？这篇论文用38个指标和两个模型做了系统对比，结论很具体。