ИИ научился сам придумывать себе тренировочные среды

Self-play после AlphaGo наконец добрался и до языковых моделей.

Новая работа SPADE - это, возможно, первый пример, когда self-play по-настоящему заработал для общих рассуждений у LLM.

Одна модель теперь:
1. сама пишет себе полноценные многоходовые среды на Python

2. сама в них учится

3. сама поднимает планку сложности под свой уровень.

Больше не нужен человек, который вручную создаёт и подбирает задачи.

Модель генерирует себе бесконечный, всё более сложный учебный план прямо на границе своих возможностей.

Один из последних ручных этапов пост-тренинга автоматизирован.