Personalisasi melalui pengembangan wrapper: di mana batas aproksimasi, generalisasi, dan optimisasi
Para penulis meneliti agen personal yang menyesuaikan diri dengan permintaan masing-masing pengguna menggunakan model dasar yang tetap, dan memformalkan penyempurnaan lapisan kendali—konteks, memori, alat, dan eksekusi—sebagai tugas pembelajaran. Benchmark yang berorientasi pada preferensi dan analisis teoretis atas kesalahan aproksimasi, generalisasi, dan optimisasi menunjukkan batasan arsitektur, skala, dan algoritme untuk menyesuaikan lapisan pembungkus secara mandiri.
Harness agen personal mengelola konteks, memori, alat, dan eksekusi. Melalui harness, agen menyesuaikan diri dengan preferensi pengguna tertentu. Model dasarnya tetap tidak berubah. Artinya, ruang personalisasi ditentukan oleh harness.
Makalah arXiv:2609.36892 “Harness Evolution as Learning: Approximation, Generalization, and Optimization Limits of Self-Improving Personal Agents” diajukan pada 29 September 2026. Penulisnya adalah Zeyu Gan, Zixuan Gong, dan Yong Liu. Mereka mengkaji agen personal yang beradaptasi dengan model dasar yang tetap tidak berubah. Adaptasi ini bertumpu pada perancangan dan evolusi harness.
Apa yang berkembang: arsitektur, skala, algoritma
Penulis meneliti evolusi harness dalam tiga aspek: arsitektur, skala, dan algoritma evolusi mandiri. Arsitektur menentukan cara harness mengelola konteks, memori, alat, dan eksekusi. Skala dan algoritma evolusi mandiri menetapkan kerangka bagi proses yang sama.
Bagian empiris menyajikan tolok ukur yang berorientasi pada preferensi. Tolok ukur ini secara sistematis menggambarkan kemampuan dan keterbatasan agen personal terkait ketiga aspek tersebut. Dengan kata lain, aspek-aspek ini berfungsi sebagai sumbu evaluasi, bukan sebagai perbaikan yang berdiri sendiri.
Kriteria praktis: evaluasi terhadap satu aspek tidak menggambarkan kemampuan dan keterbatasan agen secara keseluruhan. Harness perlu dianalisis dengan mempertimbangkan ketiga sumbu secara bersamaan.
Tiga jenis kesalahan sebagai kerangka batas
Bagian teoretis merumuskan evolusi harness sebagai masalah pembelajaran. Fenomena yang diamati dijelaskan melalui kesalahan aproksimasi, generalisasi, dan optimisasi. Ketiga jenis kesalahan ini menjadi kerangka untuk membahas batas personalisasi.
Penulis menawarkan perspektif terpadu mengenai batas personalisasi melalui evolusi harness. Berdasarkan perspektif ini, mereka membahas perancangan harness. Hal ini menghubungkan bagian empiris dengan bagian teoretis.
Kriteria praktis: batas personalisasi dijelaskan melalui jenis kesalahan tertentu, bukan melalui penilaian umum terhadap harness. Penjelasan ini menunjukkan dengan tepat di mana perkembangan mencapai batasnya.
Kebijakan yang dapat dicapai, bukti, bias
Analisis teoretis mencakup kebijakan yang dapat dicapai. Yang dimaksud adalah kumpulan strategi yang mampu dicapai oleh agen. Strategi di luar kumpulan ini tetap tidak dapat diakses, apa pun pengaturan harness-nya.
Analisis ini mencakup kapasitas dengan bukti interaksi yang terbatas. Pengalaman interaksi pada dasarnya terbatas. Jumlahnya membatasi kesimpulan yang dapat ditarik agen tentang preferensi pengguna.
Analisis ini mencakup dinamika pembaruan yang mengandung bias. Bias memengaruhi cara harness diperbarui selama evolusi mandiri. Faktor ini bekerja secara terpisah dari kekurangan bukti.
Kriteria praktis: saat menganalisis kegagalan personalisasi, bedakan kebijakan yang tidak dapat dicapai, kekurangan bukti, dan bias pembaruan. Ketiga penyebab ini memerlukan solusi yang berbeda.
Kriteria untuk merancang harness
- Memisahkan arsitektur, skala, dan algoritma evolusi mandiri sebagai objek keputusan tersendiri.
- Mengandalkan tolok ukur yang berorientasi pada preferensi.
- Menjelaskan batas personalisasi melalui kesalahan aproksimasi, generalisasi, dan optimisasi.
- Memperhitungkan keterbatasan bukti interaksi dan bias dalam dinamika pembaruan.
- Mempertahankan perspektif terpadu mengenai batas personalisasi dalam perancangan harness.
Kumpulan kriteria ini menjaga personalisasi tetap dalam batas yang benar-benar dapat diberikan harness saat model dasar tidak berubah. Kumpulan ini juga menunjukkan di mana perancangan berakhir dan batas mulai berlaku.
Pertanyaan yang sering ditanyakan
Bahan terkait
Semua bahan
Pengujian agen pemrograman dalam pengembangan XR interaktif: hasil GenXR-Bench
GenXR-Bench telah dirilis—seperangkat 112 tugas ahli untuk mengevaluasi agen coding secara menyeluruh dalam pengembangan XR interaktif: mulai dari menyempurnakan fitur dan memperbaiki bug hingga membuat aplikasi dengan pengujian perilaku pada perangkat konsumen. Dari sepuluh model yang diuji, hasil terbaik adalah 50,9% Pass@1; kegagalan yang berulang meliputi penanganan peristiwa sensor asinkron, penempatan objek di ruang nyata, dan pemahaman interaksi dalam konteks fisik.
5 November 2026
Dari Imbalan Skalar ke Front Pareto: Sintesis RTL LLM dengan Pembelajaran Penguatan Multikriteria
Diusulkan metode untuk melatih model bahasa agar menghasilkan bukan hanya satu skema, melainkan serangkaian kandidat RTL dengan kompromi berbeda antara luas area, latensi, dan konsumsi daya; reward dihitung berdasarkan kontribusi kandidat terhadap hypervolume front Pareto. Pada RTLLM v2, hypervolume relatif meningkat 13,3 poin persentase dibandingkan versi dasar tanpa optimasi PPA dan 14,4 poin persentase dibandingkan pelatihan penguatan dengan satu tujuan.
5 November 2026
LLM Medis Mengetahui Revisi Pedoman, tetapi Sering Menjawab Berdasarkan Pedoman Lama
Studi ChronoEvo terhadap 1709 perubahan rekomendasi klinis menunjukkan: pada model utama, 90,8% jawaban mencatat pembaruan, tetapi hanya 58,5% yang menerapkannya sepenuhnya, sementara kesenjangan sebesar 32,3 poin persentase tetap terlihat pada 14 model. Bahkan peningkatan visibilitas pembaruan tidak menghasilkan peningkatan signifikan dalam penerapan penuh aturan baru ke dalam rekomendasi klinis.
4 November 2026