Поддающееся обучению поддержание границы там, где нет формального ответа: контролируемое изучение обучения награде в области доказательственной защиты
arXiv: 261 0.30.35226v1 Тип уведомления: перекрестное резюме: Модель с корректной репутацией и наградой часто считается более надежной проверкой, поскольку она предполагает больше времени или получает сигналы правильности. Мы проверяем это на предмет обоснованности доказательств: определения того, действительно ли имеющаяся информация подтверждает причинно-следственное требование - область без какого-либо корректного вознаграждения. Используя предварительно зарегистрированный, один и тот же проект с контролируемым вводом в действие, мы сравниваем рецепт пограничного контроля (SFT тогда GPSO) со своим собственным исходным уровнем, плацебо-парафоны и модель рассуждения общего назначения согласно протоколу о давлении действия без приглашения на оценку. Все несущие результаты оцениваются по двум отдельным сеансам оценки модели, маскированным на маркеры; автоматические судьи только срабатывают. Спонтанный правильный отказ поднимается с 25% до 100% (40 на руку; Уилсон 95% на туловище 91,2%, не перегружать с исходным интервалом [14,2%, 40,2%]), в то время как размытый плацебо рушится (5% спонтанно/7,5 % приглашено
