AI Agent

Supplement Generation Training for Enhancing Agentic Task Performance

增强代理任务性能的补充生成训练

Young Min Cho, Daniele Bonadiman, Divya Bhargavi, Tamer Alkhouli, Salvatore Romeo, Dongwei Jiang, Khushbu Pahwa, Yubin Ge, Etsuko Ishii, Monica Sunkara, Yi Zhang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； AWS Agentic AI Labs（AWS智能代理AI实验室） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出补充生成训练(SGT)，通过小型LLM生成补充文本帮助大模型更高效完成任务，降低计算成本并提升部署灵活性。

Comments Accepted to the Findings of ACL 2026

Large language models converge on competitive rationality but diverge on cooperation across providers and generations

大语言模型在竞争理性上趋同但在合作上跨提供商和代际分化

Felipe M. Affonso

专题命中 其他Agent ：autonomous agent(abstract)

AI总结 研究通过51906次博弈试验揭示大语言模型在竞争与协调行为上趋同，但合作行为在不同提供商和代际间显著分化，且受训练流程影响显著。