RSI Arena: Towards Recursive Self-Improvement with Human Feedback

Đoạn trích bài viết

Các agent AI có thể tự động huấn luyện các mô hình ngôn ngữ hữu ích và cải thiện chúng bằng cách sử dụng phản hồi từ người dùng không? Chúng tôi giới thiệu RSI Arena, một nghiên cứu hai giai đoạn về tự trị sau huấn luyện như là một bước tiến hướng tới tự cải thiện thu hồi. Mười mô hình tiên phong hoạt động như các agent huấn luyện, mỗi mô hình bắt đầu từ NVIDIA Nemotron 3.5 Li.