Определитель самоэволюции: постоянная оптимизация с помощью исследования и разработки политики

arXiv:2610.341371v1 Тип уведомления: перекрестное резюме: усиление обучения с поддающимися проверке наградами (RLVR) позволяет крупным языковым моделям (LMS) постоянно самоулучшать свои умственные способности. По сравнению со скалярными наградами RLVR, последние методы самоконтроля в политике позволяют использовать более плотные сигналы наблюдения. Вместе с тем обе парадигмы страдают от проблем в области разведки, пытаясь избежать оптимальной ситуации на местном уровне, когда политика не позволяет выявить приемлемые решения. Полагаясь на внешние демонстрации, можно обойти этот вопрос; однако неполитический характер препятствует подлинному самосовершенствованию и несовпадающие рассуждения о распределении не могут быть использованы в полной мере. В этой работе мы предлагаем оптимизацию политики самоэволюции (СЭПО), которая является основой, стимулирующей непрерывное развитие потенциала в области рассуждения путем проведения исследований и использования методов внутреннего распределения. В частности, СЕПР использует этикетки для получения правильного обоснования из политики и раскрытия разведочного потенциала. Применяя подход к нынешней политике