Jarvis mantiene las tareas en segundo plano alineadas con la conversación
En palabras sencillas
Algunos asistentes conversan con el usuario mientras otras partes del sistema trabajan en sus solicitudes en segundo plano. Si el usuario cambia una solicitud, un plan o una respuesta anteriores pueden quedar desactualizados.
Jarvis es un sistema de coordinación que registra las tareas y comprueba que las decisiones sigan correspondiendo a la tarea actual antes de que el código actúe. En una prueba de llamadas de atención al cliente por voz, Jarvis resolvió 192 de 278 tareas, mientras que Qwen Audio Agent resolvió 29 con el mismo modelo frontal, vía de admisión y sistema de fondo.
Una tarea solo contaba como resuelta si el estado final de la base de datos y las acciones requeridas eran correctos.
La investigación
Cuando un asistente trabaja en una solicitud mientras el usuario sigue hablando, ¿cómo puede evitar actuar sobre una versión antigua de la tarea? El reconocimiento y el razonamiento pueden ser precisos y, aun así, el plan podría dejar de corresponder a lo que quiere el usuario.
Jarvis aborda este problema de coordinación vinculando las decisiones con el estado vigente de la tarea y comprobándolas antes de aplicarlas.
Jarvis vincula cada decisión del modelo con la versión vigente de una tarea y usa código para rechazar decisiones desactualizadas antes de que el trabajo en segundo plano actúe o llegue al usuario.
La pregunta es si la coordinación puede mantener las acciones de un asistente alineadas con una conversación cambiante mientras continúa el trabajo en segundo plano.
Jarvis registra las versiones de las tareas, presenta decisiones vinculadas con las tareas vigentes y comprueba esas elecciones mediante código antes de aplicarlas.
En τ-Voice, una prueba de llamadas de atención al cliente por voz, las tareas solo cuentan como resueltas cuando el estado final de la base de datos y las acciones requeridas son correctos. Con el modelo frontal, la vía de admisión y el sistema de fondo fijos, Jarvis resolvió 192 de 278 tareas en Venus-Audio, frente a las 29 de Qwen Audio Agent.
Los autores interpretan esta comparación como evidencia de que el diseño de coordinación importa en este entorno.
La evidencia procede de conjuntos de tareas concretos, casos de temporización programados y sesiones de juego grabadas. No permite establecer cómo funciona Jarvis en otros sistemas interactivos o en situaciones reales.
Análisis
Detalles
- Autores del paper original
- Yuxiang Wang, Shengbo Cai, Zhixian Zhao, Yingda Shen, Yuancheng Wang
- Enviado a arXiv
- Licencia
- arXiv non-exclusive