นักวิจัยเสนอวิธี COBRA-Skills ใช้ Contextual Bandits ปรับปรุงทักษะ Agent ได้มีประสิทธิภาพ ลดต้นทุนการทดสอบทักษะลง 55-58% เทียบกับวิธีเดิม โดยใช้ Loop ประเมินทักษะผ่าน Neural Predictor พร้อม LinearUCB สมดุลระหว่างใช้ทักษะที่ดีที่สุดและสำรวจทักษะใหม่ ทดสอบบน 6 ตัวชี้วัด เช่น ปัญหาคณิตศาสตร์ สังคม และงานที่ต้องใช้ร่างกาย ผลลัพธ์แสดงว่า COBRA-Skills ทำได้ดีที่สุดในบรรดาวิธีที่เปรียบเทียบ ใช้เพียง 50 ตัวอย่างการปรับปรุงต่อตัวชี้วัด แม้ในสภาพแวดล้อมที่ใช้ Codex หรือ Claude Code ก็ยังคงประสิทธิภาพ ความสำเร็จหลักไม่ได้มาจากการลดการทดสอบทักษะที่เป้าหมาย แต่มาจากป้องกันการวิเคราะห์เส้นทางการดำเนินการแบบ LLM ซ้ำๆ และการเขียนทักษะใหม่ซ้ำหลายครั้ง ทำให้ต้นทุนลดลงอย่างมีนัยสำคัญ ทีมวิจัยระบุว่า COBRA-Skills ยังคงมีประสิทธิภาพแม้ใช้โมเดลเป้าหมายเองในการสร้างและปรับปรุงทักษะ งานวิจัยเผยแพร่ที่ https://arxiv.org/abs/2609.11682 และโค้ดเปิดสู่ https://github.com/Jerry-LuP/COBRA-Skills
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว