Поговоривши з @willccbb виявилося, що це дійсно саме те, що я думав. Агент з функцією відправки на перевірку. Агент – це просто llm у циклі форми. Функція огляду – це просто ще один агент з рубрикою, яка приблизно відповідає функції втрат.
jason liu
jason liu24 серп., 05:22
Чи може хтось пояснити мені, що таке середовище РЛ.
25,12K