从技能文本到技能结构：代理技能的调度-结构-逻辑表示
From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills
Qiliang Liang, Hansi Wang, Zhong Liang, Yang Liu
⭐ 7
• 本文提出一种新的代理技能结构化表示方法，旨在更好地理解和管理复杂智能体行为。
• 该方法创新性地将智能体技能分解为调度、执行和逻辑三大核心组件，实现各部分的清晰解耦。
• 通过这种结构化表示，复杂的技能可以被模块化地构建和分析，从而提高系统的可解释性和鲁棒性。
• 实验证明，该表示法能显著提升在技能发现和风险评估等关键任务中的性能表现。
🔗 arXiv · 🤗 HF
#智能体技能 #知识表示 #技能发现 #风险评估 #规划
From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills
Qiliang Liang, Hansi Wang, Zhong Liang, Yang Liu
⭐ 7
• 本文提出一种新的代理技能结构化表示方法，旨在更好地理解和管理复杂智能体行为。
• 该方法创新性地将智能体技能分解为调度、执行和逻辑三大核心组件，实现各部分的清晰解耦。
• 通过这种结构化表示，复杂的技能可以被模块化地构建和分析，从而提高系统的可解释性和鲁棒性。
• 实验证明，该表示法能显著提升在技能发现和风险评估等关键任务中的性能表现。
🔗 arXiv · 🤗 HF
#智能体技能 #知识表示 #技能发现 #风险评估 #规划
PhysicianBench：大模型智能体真实电子病历环境性能评估
PhysicianBench: Evaluating LLM Agents in Real-World EHR Environments
Ruoqi Liu, Imran Q. Mohiuddin, Austin J. Schoeffler, Kavita Renduchintala, Ashwin Nayak, 等 (+8)
⭐ 1
• 本文介绍PhysicianBench，一个专门用于评估大语言模型智能体在真实临床任务中的性能基准。
• 该基准着重于在电子健康记录（EHR）环境下，执行需要复杂、多步骤工作流的实际医疗任务。
• 通过PhysicianBench进行的严格评估，揭示了当前大语言模型智能体在处理真实世界医疗场景方面存在显著的能力缺陷。
• 这表明现有智能体在应用于临床实践前，仍需在理解复杂指令和执行连续操作上进行深入改进。
🔗 arXiv · 🤗 HF
#大语言模型 #智能体 #电子健康记录 #医疗AI #性能评估 #基准测试
PhysicianBench: Evaluating LLM Agents in Real-World EHR Environments
Ruoqi Liu, Imran Q. Mohiuddin, Austin J. Schoeffler, Kavita Renduchintala, Ashwin Nayak, 等 (+8)
⭐ 1
• 本文介绍PhysicianBench，一个专门用于评估大语言模型智能体在真实临床任务中的性能基准。
• 该基准着重于在电子健康记录（EHR）环境下，执行需要复杂、多步骤工作流的实际医疗任务。
• 通过PhysicianBench进行的严格评估，揭示了当前大语言模型智能体在处理真实世界医疗场景方面存在显著的能力缺陷。
• 这表明现有智能体在应用于临床实践前，仍需在理解复杂指令和执行连续操作上进行深入改进。
🔗 arXiv · 🤗 HF
#大语言模型 #智能体 #电子健康记录 #医疗AI #性能评估 #基准测试
AcademiClaw：学生为AI智能体设计的复杂学术挑战基准
AcademiClaw: When Students Set Challenges for AI Agents
Junjie Yu, Pengrui Lu, Weiye Si, Hongliang Lu, Jiabao Wu, 等 (+73)
『• 』AcademiClaw是一个由本研究提出的创新性综合基准测试平台，专注于评估人工智能智能体在模拟真实学术场景下的表现。
『• 』该平台的核心特点是其任务内容由学生亲自设计，涵盖了跨多个学术领域的复杂挑战，旨在更贴近实际应用中的AI能力需求。
『• 』通过让AI智能体面对诸如论文理解、问题解决和知识综合等高阶学术任务，AcademiClaw提供了一种严谨的评估框架。
『• 』初步评估结果显示，尽管当前AI模型已取得显著进展，但在处理这些由人类学生精心构建的复杂学术任务时，仍暴露出明显的能力局限性和性能差距。
『• 』本基准为识别现有AI智能体的弱点、推动其向更高级认知能力发展，以及弥合与人类智能在学术领域上的差距，提供了关键的研究工具和发展方向。
🔗 arXiv · 🤗 HF
#人工智能 #智能体 #基准测试 #能力评估 #学术任务 #领域泛化
AcademiClaw: When Students Set Challenges for AI Agents
Junjie Yu, Pengrui Lu, Weiye Si, Hongliang Lu, Jiabao Wu, 等 (+73)
『• 』AcademiClaw是一个由本研究提出的创新性综合基准测试平台，专注于评估人工智能智能体在模拟真实学术场景下的表现。
『• 』该平台的核心特点是其任务内容由学生亲自设计，涵盖了跨多个学术领域的复杂挑战，旨在更贴近实际应用中的AI能力需求。
『• 』通过让AI智能体面对诸如论文理解、问题解决和知识综合等高阶学术任务，AcademiClaw提供了一种严谨的评估框架。
『• 』初步评估结果显示，尽管当前AI模型已取得显著进展，但在处理这些由人类学生精心构建的复杂学术任务时，仍暴露出明显的能力局限性和性能差距。
『• 』本基准为识别现有AI智能体的弱点、推动其向更高级认知能力发展，以及弥合与人类智能在学术领域上的差距，提供了关键的研究工具和发展方向。
🔗 arXiv · 🤗 HF
#人工智能 #智能体 #基准测试 #能力评估 #学术任务 #领域泛化
T^2PO：不确定性引导探索控制，提升多轮智能体强化学习稳定性
T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning
Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, 等 (+5)
• T²PO（Token和Turn级策略优化）是一种新颖方法，旨在解决多轮智能体强化学习中常见的探索不稳定性问题。
• 该方法通过在Token和Turn等细粒度级别上，精确控制智能体的探索行为，从而显著提升学习过程的稳定性。
• 其核心机制在于结合了不确定性监控技术，并辅以动态重采样策略，以有效地引导探索过程，避免智能体陷入次优解或学习崩溃。
🔗 arXiv · 🤗 HF
#强化学习 #智能体 #探索控制 #不确定性 #多轮学习 #策略优化
T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning
Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, 等 (+5)
• T²PO（Token和Turn级策略优化）是一种新颖方法，旨在解决多轮智能体强化学习中常见的探索不稳定性问题。
• 该方法通过在Token和Turn等细粒度级别上，精确控制智能体的探索行为，从而显著提升学习过程的稳定性。
• 其核心机制在于结合了不确定性监控技术，并辅以动态重采样策略，以有效地引导探索过程，避免智能体陷入次优解或学习崩溃。
🔗 arXiv · 🤗 HF
#强化学习 #智能体 #探索控制 #不确定性 #多轮学习 #策略优化