Meta-uczenie nad kodem uprzęży: proposer generuje edycje, uczenie ze wzmocnieniem na wynikach wykonania.
Meta-learning over harness code: a proposer generates edits, reinforcement learning on execution outcomes.
Model uczy się poprawiać program wokół asystenta na podstawie wyników prób.
A model learns to improve the program around an assistant from the results of trials.
Uprząż dobrana do jednego zadania źle działa na innym, a ręczna poprawka trwa.
A harness fitted to one task works poorly on another, and manual fixes take time.
Proponuje zmiany w kodzie uprzęży, ocenia kandydatów i wybiera wersję zgodnie z ustalonym protokołem selekcji.
It proposes changes to harness code, evaluates candidates, and selects a version under a defined selection protocol.
Asystent nie znajduje dokumentów w nowym typie pytania. Model poprawia sposób wyszukiwania w uprzęży i sprawdzian potwierdza zysk.
The assistant misses documents for a new kind of question. The model improves the search in the harness and a check confirms the gain.