Un agent local qui apprend de ses propres erreurs ; il a réussi son examen de 53 tâches, 53 sur 53.
Un agent qui apprend de ses propres erreurs. Il fonctionne avec un modèle local sur la machine de ce studio, utilise Internet et des fichiers, et audite chaque exécution à l’aide de preuves. Aucune modification, qu’elle soit écrite par un humain ou par l’agent, n’est acceptée sans avoir franchi la barrière de mesure.
Audite chaque exécution : chaque valeur de la réponse doit figurer dans une sortie d’outil que l’agent n’a pas lui-même écrite. Le comptage et la somme sur des fichiers locaux doivent être calculés par une commande.
Une modification doit soit corriger une erreur connue, soit réduire les tokens sans changer aucun résultat. Un jeu d’ancrage mis de côté détecte le surapprentissage à l’examen.
Les tâches de données et de shell vont à Qwen 27B dense, les tâches web et de code à Qwen 35B MoE. Les erreurs des deux modèles étaient entièrement disjointes ; l’examen est passé de 40/47 à 47/47 et les tokens ont baissé de 10%.