ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

EnvOpt ลดต้นทุนสภาพแวดล้อมของเอเจนต์โดยอัตโนมัติ 48%

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 54 นาทีที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

นักวิจัยจาก University of Chicago, UC Berkeley Sky Computing Lab และ Bespoke Labs ได้เผยแพร่ EnvOpt ซึ่งเป็นวิธีการที่ปรับโครงสร้างสภาพแวดล้อมแบบคงที่ของเอเจนต์โดยอัตโนมัติเพื่อลดต้นทุน จากการทดสอบห้าชุด基準 EnvOpt ลดต้นทุนของเอเจนต์เป้าหมายบนชุดทดสอบที่ไม่เคยเห็นมาก่อนได้โดยเฉลี่ย 48% ขณะที่อัตราการผ่านคงเดิมหรือดีขึ้น บน AutomationBench ทำได้ดีกว่า Meta-Harness 9.67% ในด้านอัตราการผ่านด้วยต้นทุนเพียง 15% และสภาพแวดล้อมที่ปรับแต่งแล้วสามารถถ่ายโอนไปยังฮาร์เนสและโมเดลอื่นได้ รวมถึงลดต้นทุนเฉลี่ยบน AutomationBench ได้ 75.7% การประหยัดส่วนใหญ่มาจากโทเค็นอินพุต โดยหลักคือผลลัพธ์จากการเรียกใช้เครื่องมือ การรันปรับแต่งแบบออฟไลน์บน AutomationBench มีต้นทุนประมาณ 150 ดอลลาร์สหรัฐ และผู้เขียนรายงานว่าช่วยประหยัดต้นทุนในการรัน Claude Opus 4.8 ได้ 77.5%

สร้างจากรายงาน · อัปเดต 33 นาทีที่แล้ว

ล่าสุด15 พฤศจิกายน 06:01
EnvOpt: การเพิ่มประสิทธิภาพอัตโนมัติสำหรับสภาพแวดล้อมของเอเจนต์

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

15 พฤศจิกายน
  1. Hacker News · AI
    EnvOpt: การเพิ่มประสิทธิภาพอัตโนมัติสำหรับสภาพแวดล้อมของเอเจนต์

    EnvOpt ซึ่งเป็นวิธีการจาก University of Chicago, UC Berkeley Sky Computing Lab และ Bespoke Labs จะปรับโครงสร้างสภาพแวดล้อมแบบคงที่ของเอเจนต์โดยอัตโนมัติเพื่อลดต้นทุน โดยลดต้นทุนของเอเจนต์เป้าหมายบนชุดทดสอบที่ไม่เคยเห็นมาก่อนได้เฉลี่ย 48% across ห้าเบนช์มาร์กด้วยอัตราการผ่านที่สูงขึ้นหรือใกล้เคียงเดิม บน AutomationBench สามารถเอาชนะ Meta-Harness ได้ด้วยอัตราการผ่านที่สูงกว่า 9.67% โดยใช้ต้นทุนเพียง 15% และสภาพแวดล้อมที่ปรับให้เหมาะสมแล้วยังถ่ายโอนไปยังฮาร์เนสและโมเดลอื่นได้ รวมถึงลดต้นทุนเฉลี่ยบน AutomationBench ได้ 75.7% เงินที่ประหยัดได้ส่วนใหญ่มาจากโทเค็นอินพุต ซึ่งส่วนใหญ่เป็นผลลัพธ์จากการเรียกใช้เครื่องมือ และการเพิ่มประสิทธิภาพแบบออฟไลน์บน AutomationBench มีต้นทุนประมาณ 150 ดอลลาร์สหรัฐฯ ขณะที่ประหยัดต้นทุนการรัน Claude Opus 4.8 ได้ 77.5%

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม