The General Data Company construit pour les laboratoires d’IA des environnements d’apprentissage par renforcement à partir de flux de travail industriels réels : des spécifications de tâches ancrées dans des documents opérationnels, un état de travail réaliste et des vérificateurs programmatiques qui notent chaque tentative.
Un corpus documentaire statique montre à un modèle à quoi ressemble le travail ; un environnement RL lui permet de tenter ce travail et d’être noté sur le résultat. Ce signal de notation est un vérificateur programmatique qui décide si la tentative a réussi, et c’est lui qui rend un environnement utilisable pour l’entraînement, et pas seulement pour l’évaluation.
Une spécification de tâche dérivée d’un flux de travail réel : l’objectif, l’état de départ et les documents dont disposait la personne en charge. Un état de travail réaliste, assemblé à partir de documents opérationnels tels que correspondance, contrats, écritures et formulaires, anonymisés avant tout usage.
Un vérificateur programmatique qui note chaque tentative d’après l’issue réelle du dossier, afin que l’environnement produise un signal de récompense exploitable. Et un jeu d’évaluation réservé, pour que les laboratoires mesurent leurs progrès sur des tâches que le modèle n’a jamais vues sous aucune forme.
Le manque que nous ciblons est le travail d’expert au sein des opérations industrielles : modifications techniques, enquêtes qualité, cas de service et offres de fournisseurs que les données publiques du web ne peuvent pas transmettre.
Les documents sous-jacents n’ont jamais été publiés, donc aucun modèle n’a vu ces tâches.
Une collection de tâches est un ensemble de problèmes découpés dans du travail achevé, un benchmark est une collection de tâches tenue à l’écart de l’entraînement, et un environnement ajoute un état de travail et un contrôle programmatique pour que les tentatives puissent être exécutées et notées.
Comment des archives industrielles deviennent des tâches d’agentCertains contrôles sont exacts, comme un modèle qui se reconstruit ou un bilan qui se boucle. D’autres comparent une tentative à une décision humaine consignée et font appel au jugement. Un vérificateur ne devrait être dit déterministe que si une même tentative reçoit toujours la même note, et un échantillon permet de voir comment se comporte un contrôle donné.
Les environnements sont concédés sous licence par collection de tâches, avec des conditions écrites.
Qu’est-ce qu’un environnement RL ?Dites-nous la capacité que vous entraînez et nous délimiterons un corpus ou une collection de tâches en conséquence.