Кто проверяет контролера? Совместная работа зримых классов с представителями самостоятельного развития
arXiv: 2610.11464v1 Анонимный тип: новое резюме: мы изменили агента: стало ли лучше? Каждый петлю самосовершенствования агента отвечает сотни раз, и каждый ответ исходит от проверяющего. На открытых задачах не существует, поэтому петля передается рукописной надписью или голым судьей LLM отбраковывает выход из модели как она сама, предлагая взлом награды и общие слепые точки. Мы делаем проверяющий эволюционирующий объект: инспектируемое выражение по малым, в основном детерминистским отрицательным детекторам, синтезированным из группированных неисправностей, скрепляемым при рождении и выбранным для согласия с десятью позициями с фиксированной референцной группой плюс консенсус относительно немаркированных выходных данных, никогда для оценки агента. В отношении MBPP+ она получает +0.21 соглашение об удержании за счет ручной работы по составу семян, на каждом семенном материале и заканчивается впереди голого судьи LLM, который в нем содержится. Один из выводов должен изменить порядок проверки соотношений: удаление якорных охранников уничтожает проверяющего в незаметный всегда прохожий грейдер, но при этом
