cost penalty
cost penalty
Определение
Метод предотвращения tool overuse: добавление отрицательного штрафа в reward-функцию агента за каждый вызов инструмента, чтобы учить балансировать вызовы.
Где встречается
- 573. Как вы предотвращаете tool overuse (когда агент вызывает API даже когда не нужно)
- 800+ вопросов