★ 4
ReToolSQL：面向稳健文本到SQL的智能体强化学习
ReToolSQL提出两阶段训练框架，结合监督微调和智能体强化微调，提升文本到SQL生成的准确性。在BIRD基准上达到74.32%的执行准确率，排名第一，展示了无需人工标注即可实现企业级稳健SQL生成的路径。
arXiv cs.AI63 天前
#执行反馈
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
反思-修订-复用：GUI智能体的免训练技能进化
论文提出EvoSkill-GUI，让GUI智能体在部署时无需额外训练即可根据执行反馈修订技能。技能以结构化多文件包形式存在，通过反思-修订-复用循环迭代。在MobileWorld、AndroidWorld、OSWorld三大基准上分别最高提升16.2%、6.0%、10.5%。
arXiv cs.LG46 天前
★ 2
编码智能体能否复现官方统计数据
研究以 30 个 Eurostat 自然语言任务为基准，测试权威元数据与执行反馈对编码智能体复现官方统计结果的作用。结果显示成功执行并不等于结果有效，元数据与重试预算比执行诊断更关键，且输出契约设计可主导测得误差（条件 C 被低估 23.4 分）。结论是可靠的统计编码智能体需要语义校验、完整输出契…
arXiv cs.LG41 天前
这个主题的相关资产
相关公司Anthropic1