Поговорил с @willccbb, оказывается, это действительно то, что я и думал. Агент с функцией отправки на проверку. Агент — это просто LLM в цикле форм. Функция проверки — это просто другой агент с рубрикой, которая приближает функцию потерь.
jason liu
jason liu24 авг., 05:22
Может кто-то объяснить мне, что такое RL-среда?
25,12K