RS-Claw: Esplorazione Attiva degli Strumenti tramite Alberi di Competenze per Agenti di Telerilevamento
Un nuovo articolo introduce RS-Claw, un framework che ridefinisce la selezione degli strumenti per agenti di telerilevamento consentendo un'esplorazione attiva nello spazio degli strumenti. I paradigmi passivi esistenti, come la registrazione completa degli strumenti (Flat) e la generazione aumentata da recupero (RAG), faticano a bilanciare il carico contestuale e la completezza del set di strumenti in ecosistemi di strumenti RS massivi, eterogenei e multi-fonte. La registrazione completa causa deficit di contesto in compiti a lungo termine, mentre RAG può omettere strumenti critici. RS-Claw utilizza alberi di competenze gerarchici per consentire agli agenti di esplorare e selezionare dinamicamente gli strumenti, migliorando il ragionamento nei compiti. L'articolo è pubblicato su arXiv con ID 2605.13391.
Fatti principali
- RS-Claw utilizza alberi di competenze gerarchici per l'esplorazione attiva degli strumenti.
- Gli agenti RS esistenti utilizzano paradigmi di selezione passiva: Flat o RAG.
- La registrazione completa degli strumenti porta a deficit di spazio contestuale in compiti a lungo termine.
- Il recupero RAG può omettere strumenti critici in passaggi essenziali.
- L'articolo sostiene che gli agenti dovrebbero agire come esploratori attivi nello spazio degli strumenti.
- Il framework è mirato a ecosistemi di strumenti RS massivi, eterogenei e multi-fonte.
- L'articolo è disponibile su arXiv con ID 2605.13391.
- L'approccio mira a bilanciare il carico contestuale e la completezza del set di strumenti.
Entità
Istituzioni
- arXiv