Microsoft lanza EvoLib para agentes LLM que aprenden sin actualizaciones de pesos
El marco convierte las trayectorias del modelo en habilidades y conocimientos reutilizables, con el código de investigación publicado bajo una licencia MIT.
By Ryan Merket · Published
Primary source: Microsoft Research on X
Por qué importa
EvoLib ofrece a los creadores de agentes una forma de reutilizar lecciones entre tareas cuando los pesos del modelo son inaccesibles, pero su valor depende de una autoevaluación confiable y de pruebas en producción.
Microsoft Research lanzó EvoLib el 30 de julio, un marco de aprendizaje en tiempo de prueba diseñado para ayudar a los large language models a mejorar en distintas tareas sin cambiar sus pesos subyacentes. El anuncio sigue a un artículo publicado por primera vez el 14 de mayo y revisado el 14 de julio, con Microsoft publicando también una explicación técnica y el [código de…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.