Experiential Co-Learning of Software-Developing Agents

要約

大規模言語モデル (LLM) の最近の進歩により、特に LLM 駆動の自律エージェントを通じて、さまざまな領域に大きな変化がもたらされました。
これらのエージェントはシームレスに連携し、タスクを分割して精度を高めることができるため、人間の関与の必要性が最小限に抑えられます。
ただし、これらのエージェントは、過去の経験から恩恵を受けることなく、孤立してさまざまなタスクに取り組むことがよくあります。
この孤立により、タスク解決においてミスが繰り返されたり、非効率な試行が行われたりする可能性があります。
この目的を達成するために、この文書では、インストラクターとアシスタントエージェントが歴史的軌跡からショートカット指向の経験を収集し、相互推論にこれらの過去の経験を使用する新しいフレームワークである経験的共同学習を紹介します。
このパラダイムは、これまでの経験によって強化され、エージェントが目に見えないタスクにより効果的に対処できるようにします。

要約(オリジナル)

Recent advancements in large language models (LLMs) have brought significant changes to various dimains, especially through LLM-driven autonomous agents. These agents are now capable of collaborating seamlessly, splitting tasks and enhancing accuracy, thus minimizing the need for human involvement. However, these agents often approach a diverse range of tasks in isolation, without benefiting from past experiences. This isolation can lead to repeated mistakes and inefficient trials in task solving. To this end, this paper introduces Experiential Co-Learning, a novel framework in which instructor and assistant agents gather shortcut-oriented experiences from their historical trajectories and use these past experiences for mutual reasoning. This paradigm, enriched with previous experiences, equips agents to more effectively address unseen tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google