Metoda rekurencyjnego samodoskonalenia, w której jeden model naprzemiennie ulepsza wieloagentowe przepływy pracy i dostraja własne wagi na wybranych trajektoriach.
A recursive self-improvement method in which one model alternates between improving multi-agent workflows and fine-tuning its own weights on selected trajectories.
Jeden model uczy się lepiej rozwiązywać otwarte zadania, organizując kopie siebie w zespoły i trenując na ich najlepszych przebiegach.
One model learns to solve open tasks better by organizing copies of itself into teams and training on their best runs.
W otwartych zadaniach trudno zapisać pełną automatyczną regułę oceny, więc trening na jednej poprawnej odpowiedzi nie wystarcza.
Open-ended tasks often lack a complete automatic scoring rule, so training against a single correct answer is not enough.
Model szuka lepszych podziałów pracy między swoimi kopiami, a potem uczy się na wybranych śladach tych zespołów.
The model searches for better work divisions among its copies, then learns from the selected traces of those teams.
Model bada nowe dane finansowe: kopie siebie zbierają, modelują i sprawdzają wyniki, a najlepsze przebiegi służą do dalszego treningu.
A model researches new financial data: its copies collect, model and check results, and the best runs feed further training.