RealFeedApp Self-HPO улучшает код через итерации
Исследователи представили Self-HPO — фреймворк, где модель кодинга сама предлагает новые инструменты для себя, анализируя свои провалы, а затем переучивается на их основе.
- Область
- применение языковых моделей
- Что сделали
- Исследователи предложили метод, где языковая модель сама анализирует свои ошибки в коде и предлагает новые условия для проверки, которые затем используются для обучения модели.
- Зачем это
- Это позволяет агентам с языковыми моделями быстрее находить решения для сложных задач программирования, так как условия проверки адаптируются под текущие проблемы модели.
#llm#coding agents#reinforcement learning#harness#self-improvement
