AI summary 3 แหล่ง · เมื่อวาน · 05:17

AI agents เรียนรู้ค้นหาแบบมนุษย์ — tree search และ multi-agent ทำให้ deep research ดีขึ้น

เทคนิค tree search และ multi-agent frameworks กำลังเปลี่ยนวิธีที่ AI agents ทำ deep research — แทนที่จะค้นหาแบบเชิงเส้น agents ตอนนี้สามารถสำรวจหลายทิศทางพร้อมกัน เรียนรู้จากความล้มเหลว และปรับแผนตามสถานการณ์ได้ Google DeepMind ลงทุน $10M ในความปลอดภัย multi-agent ขณะที่ arXiv มีงานใหม่เกี่ยวกับ TreeSeeker, Arbor, และ DecomposeR ที่ช่วยให้ agents วางแผนและสังเคราะห์คำตอบยาวได้ดีขึ้น

แหล่งข่าว

ประเด็น

เมื่อวาน · 05:17

อัปเดต

Tree search เป็น cognition layer ใหม่ — agents เก็บ working memory ของสมมติฐาน scored ไว้ แล้วปรับเมื่อเจอความล้มเหลว
Multi-agent frameworks (Arbor, DuMate) แก้ปัญหา long-horizon planning — แยก planning จาก execution ได้ credit assignment ที่ดีกว่า
Deep research agents ต้องเรียนรู้ trial-and-error แบบมีระเบียบ — ไม่ greedy ตามทิศแรก แต่ไม่สุ่มสี่สุ่มห้าเสียบัджเจต

แหล่งต้นทาง · 8

ลิงก์ต้นทางอยู่ครบ เพื่อให้เปิดอ่านเต็มและเทียบข้อมูลเองได้

Hugging Face Blog 3 วันก่อน

MosaicLeaks: Can your research agent keep a secret?

arXiv — cs.AI 15 มิ.ย.

Hybrid Open-Ended Tri-Evolution Makes Better Deep Researcher

arXiv — cs.AI 12 มิ.ย.

Arbor: Tree Search as a Cognition Layer for Autonomous Agents

arXiv — cs.AI 11 มิ.ย.

TreeSeeker: Tree-Structured Trial, Error, and Return in Deep Search

Google DeepMind 10 มิ.ย.

Investing in multi-agent AI safety research