AI एजंट्स इतर AI मॉडेल्सचे प्रशिक्षण स्वयंचलित करायला शिकत आहेत
एका नव्या शोधनिबंधात RSI-Dojo ही रचना मांडली आहे, जी AI एजंट्सना मोठ्या भाषा मॉडेल्स सुधारणाऱ्या post-training कामासाठी प्रशिक्षित करते. यामागील उद्दिष्ट recursive self-improvement आहे, म्हणजे AI प्रणाली मॉडेल्स आणि त्यांच्या सहाय्यक पायाभूत सुविधांसह AI बनवण्यात आणि सुधारण्यात मदत करतात. हे त्या दिशेने टाकलेले सुरुवातीचे संशोधन पाऊल आहे.
सोपा शब्दकोशarXiv, Recursive Self-Improvement, Post-training
- arXiv
- arXiv: कॉर्नेल विद्यापीठाचा एक मोफत ऑनलाइन संग्रह, जिथे संशोधक औपचारिक पुनरावलोकनापूर्वी वैज्ञानिक शोधनिबंध प्रसिद्ध करतात.
- Recursive Self-Improvement
- Recursive Self-Improvement: AI प्रणाली लोकांनी प्रत्येक पायरी न करता स्वतःची रचना, प्रशिक्षण आणि साधने सुधारू शकतील असे ध्येय.
- Post-training
- Post-training: पहिल्या मोठ्या प्रशिक्षण फेरीनंतर मॉडेल अधिक उपयोगी किंवा चांगल्या वर्तनाचे बनवण्यासाठी केलेले अतिरिक्त प्रशिक्षण.
बर्निंग पोटॅटो स्कोअर: 71%