AI एजेंट्स अब दूसरे AI मॉडल्स की ट्रेनिंग खुद संभालना सीख रहे हैं
एक नए पेपर में RSI-Dojo पेश किया गया है, जो AI एजेंट्स को उस post-training काम को संभालने के लिए ट्रेन करने का एक सेटअप है, जिससे large language models बेहतर बनते हैं। लक्ष्य recursive self-improvement है, यानी ऐसे AI सिस्टम जो मॉडल्स और उनके सहायक ढांचे सहित AI बनाने और सुधारने में मदद करें। यह उस दिशा में एक शुरुआती शोध कदम है।
आसान शब्दकोशarXiv, Recursive Self-Improvement, Post-training
- arXiv
- arXiv: कॉर्नेल यूनिवर्सिटी द्वारा चलाया जाने वाला एक मुफ्त ऑनलाइन संग्रह, जहां शोधकर्ता औपचारिक समीक्षा से पहले अक्सर वैज्ञानिक पेपर डालते हैं।
- Recursive Self-Improvement
- Recursive Self-Improvement: एक लक्ष्य, जिसमें AI सिस्टम बिना इंसानों के हर चरण में शामिल हुए अपने डिज़ाइन, ट्रेनिंग और टूल्स को खुद बेहतर कर सकें।
- Post-training
- Post-training: पहले बड़े प्रशिक्षण दौर के बाद किया जाने वाला अतिरिक्त प्रशिक्षण, ताकि मॉडल ज़्यादा उपयोगी या बेहतर व्यवहार वाला बने।
बर्निंग पोटैटो स्कोर: 71%