Des chercheurs de Meta AI et de l’Université de l’Illinois Urbana-Champaign ont développé EvoHarness-RL, une couche de coordination entraînable permettant aux grands modèles de langage de créer, accéder et gérer leur propre état externe. Ce framework a permis d’atteindre un taux de réussite de 96,9 % sur le benchmark ALFWorld, contre 47,9 % pour le modèle de base sans cette technologie. Le système repose sur trois composantes : Belief (croyances), Progress (progrès) et Experience (expérience), formant l’architecture BPE. L’entraînement combine un affinement supervisé par des démonstrations d’experts et une optimisation par politique de groupe relative (GRPO) tenant compte des coûts computationnels. Le modèle a également démontré une capacité de généralisation remarquable avec un taux de réussite de 86,6 % dans des environnements non vus lors de l’entraînement.
Source: Lire l’article original
