Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction
ABBEL 与传统递归摘要相比的概述。信念取代了完整的交互历史作为代理的工作环境，信念分级通过监督每个信念状态的内容来提高性能。随着任务范围的增长，LLM 环境无法永远扩展。自总结可以实现简洁、可解释的上下文，但会带来显着的性能成本，特别是对于高质量数据稀缺的人工辅助领域，例如协作代码生成。我们用 ABBEL 来解决这个问题：一个框架，以自然语言信念状态的形式隔离和监督摘要的信息内容。动机：递归摘要的成本对于语言模型来说，要有效地协助日益复杂的任务，例如软件开发，它们必须能够与我们进行数百甚至数千个步骤的交互。对于如此长的任务，将整个交互的历史记录保存在上下文中是不切实际的。迄今为止使用的启发
Networked for the fight: Army aviation’s next advantage
[赞助] 随着操作环境变得越来越复杂，Link 16 提供即时、任务范围内的连接，以确保没有飞机单独飞行。
How MQ-25A flies safely with no onboard pilot
波音公司的 MQ-25A 自动加油机使用经过严格测试的自主软件安全飞行和操作，扩大了美国海军的任务范围。《MQ-25A 如何在没有机载飞行员的情况下安全飞行》一文首先出现在 AeroMorning 上。
