文章

Argos 是一种新型的智能体验证框架，旨在解决多模态 AI 智能体的可靠性差距。传统模型通常会产生看似合理但缺乏依据的输出，导致在物理或虚拟环境中出现“幻觉”。Argos 通过在强化学习（RL）过程中充当验证层来解决这一问题。它利用一套专门的工具（如 Grounding DINO、SAM-2）和教师模型来评估的不仅是最终答案，还包括智能体的推理是否与图像中的特定空间坐标和视频中的时间戳保持一致。通过使用门控聚合函数提供稳定的奖励信号，Argos 确保智能体学会将决策锚定在实际观察中。实验结果表明，与标准 RL 基准相比，经过 Argos 训练的模型在机器人技术和现实世界任务规划中表现出卓越的空间推理能力、显著减少的幻觉以及更高的数据效率。

本文介绍了微软研究院开发的轻量级语言模型 OptiMind，该模型旨在弥合自然语言商业问题与优化软件所需数学公式之间的鸿沟。传统方法速度慢且需要专业知识。OptiMind 基于 200 亿参数模型构建，在保持足够紧凑以本地运行的同时，实现了与大型系统相当或更优的性能，有效保护敏感数据。其有效性源于采用精心策划、专家对齐数据集的训练方法，解决了现有公共数据集质量差的问题。在推理过程中，OptiMind 对问题进行分类，应用领域特定提示，并采用自检和多解决方案生成机制来提高准确性，被证明更可靠且不易产生幻觉。文章还强调了未来发展计划，包括强化学习和功能扩展，并宣布 OptiMind 的实验性发布以收集社区反馈。