Framework AgentOmnia per il Scaling AI Agentico in Scenari Completi
Un nuovo framework chiamato AgentOmnia è stato presentato dai ricercatori per migliorare la scalabilità dei modelli linguistici di grandi dimensioni agentici in varie applicazioni, inclusi i settori To-Consumer, To-Business e To-Employee. Questo framework orchestra la definizione dei compiti, la generazione dei dati, i processi di post-addestramento, la valutazione e i miglioramenti. Impiega una tassonomia flessibile di Dominio x Capacità x Difficoltà Atomica, compatibile con OmniaBench per diagnostiche dettagliate. AgentOmnia integra la sintesi bidirezionale ambiente-compito con dipendenze da strumenti, programmi strutturati e pipeline basate su risolutori, portando alla creazione di 5.018 ambienti stateful, 255.375 strumenti e 52.361 compiti. La fase di post-addestramento utilizza il supervised fine-tuning, l'apprendimento per rinforzo agentico online e un curriculum di rollback, mentre la valutazione enfatizza i segnali di correttezza provenienti da varie fonti. Questa iniziativa affronta la frammentazione in domini, capacità, complessità dei compiti e contesti di interazione.
Fatti principali
- AgentOmnia è un framework per scalare LLM agentici in applicazioni a scenario completo.
- Copre i domini To-Consumer, To-Business e To-Employee.
- Utilizza la tassonomia Dominio x Capacità x Difficoltà Atomica con OmniaBench.
- Costruisce 5.018 ambienti stateful con 255.375 strumenti e 52.361 compiti.
- Il post-addestramento include supervised fine-tuning, RL agentico online e curriculum di rollback.
- La valutazione utilizza segnali di correttezza da programmi, risolutori e verificatori.
- Affronta la frammentazione tra domini, capacità, difficoltà dei compiti e impostazioni di interazione.
- Pubblicato su arXiv con ID 2607.23124.
Entità
Istituzioni
- arXiv