主要来源DAIR.AI
查看原文事件专题 ·单一信源
DUET 论文：让 LLM 评分器与智能体同步联合优化
DUET 方法提出在训练智能体的同时更新其 LLM 评分器，因为智能体改进后失败模式会变化。它交替固定一方、用工具调用更新器修订另一方：每一轮选取任务、运行 solver、由 grader 打分并批判轨迹。在 Finance Agent Benchmark 上 solver 达到 96.5%，超过 GEPA 的 94.4% 和 SkillOpt 的 94.0%。在 GDPval 上 grader 一致率从 68.4% 升至 78.5%，而冻结 solver 只训练 grader 时仅从 67.9% 升至 68.8%。
当前结论
一篇讲怎么同时优化智能体和评分器的论文，DUET 在 Finance Agent Benchmark 拿到 96.5%，比 GEPA 和 SkillOpt 都高，做法很实在。
2 个信源47° AI 热度最后更新 2026/10/12 23:00:15
证据链
2 个信源相关来源 1Artificial Analysis
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。