De nouveaux articles ciblent l’entraînement des agents LLM à long horizon

Trois nouveaux articles sur l’IA proposent des méthodes pour améliorer les agents LLM à long horizon et les systèmes multi-modèles. TRCA introduit des récompenses par grille d’évaluation au niveau des transitions afin d’attribuer le crédit sur des trajectoires d’agents en plusieurs étapes, sans évaluateurs de processus appris ni trajectoires réussies servant d’ancrage. RLCascadeRouter présente le routage en cascade des modèles comme un problème d’apprentissage par renforcement qui optimise directement les arbitrages entre performance et coût, tandis qu’Agentic ESOpt défend les stratégies évolutionnaires comme une option moins gourmande en mémoire pour le fine-tuning de tous les paramètres des agents à long horizon.