Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design
Aggiunta all'archivio di AIChronos il (numero del 21 settembre 2026 ricostruito)· fonte del · Hongyang Du, Lan Yan, Christian Flores, Asim Kadav (Adobe)
Il paper introduce Designer-RSI, un framework di adattamento continuo per agenti AI che gestiscono software grafici professionali attraverso oltre 230 strumenti. Il sistema utilizza un modello frontiera congelato e accumula una memoria procedurale basata sul linguaggio naturale, affinando le procedure riutilizzabili dall'esperienza senza aggiornare i pesi del modello principale. La memoria si espande acquisendo nuove procedure per sottotask non coperti e approfondisce quelle esistenti correggendo errori passati mantenendo il successo osservato tramite un gate di replay mirato. Su 1.406 brief reali, l'approccio aumenta il tasso di esecuzione riuscito su GenEval2 da 72.7% a 99.3%, superando agenti privi di skill in benchmark specializzati.
- Utilizzo di un modello frontiera congelato che interagisce con oltre 230 strumenti software senza aggiornamenti dei pesi (no weight updates).
- Accumulo e raffinamento continuo di una memoria procedurale esterna basata su skill in linguaggio naturale derivanti dal traffico utente.
- Meccanismo 'widening' per acquisire procedure da sottotask non coperti e 'deepening' per revisionare le procedure esistenti contro esecuzioni fallite o riuscite.
- 'Matched replay gate' che ammette solo modifiche capaci di riparare errori senza degradare i successi osservati nel passato.
- Miglioramento significativo delle performance su benchmark grafici con Claude-Sonnet-4 e Claude-Opus-4.6, raggiungendo il 99.3% di successo.
Perché conta. ["Offre una via pratica per l'adattamento continuo degli agenti in scenari reali caratterizzati da feedback rumorosi e non verificabili.", 'Permette a sviluppatori di costruire sistemi agentic che apprendono proceduralmente senza richiedere etichettatura umana o fine-tuning costoso.']
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.