La apuesta está en construir un sistema de aprendizaje continuo. ¿Qué significa esto? La actualización del cursor es un ejemplo práctico. Llegan nuevos datos, el sistema sabe cómo filtrar las muestras más valiosas. Luego aprovecha RL / otros algoritmos para implementar un punto de control entrenado con dichos datos.

Cada componente debe estudiarse cuidadosamente primero para construir un metaalgoritmo que pueda operar dicho sistema. Durante una carrera de entrenamiento, puede evaluar si continuar o detener la carrera en función de las primeras señales. Para hacer esto, los conocimientos de cientos de ejecuciones se digieren en un sistema de este tipo.

Esta línea de trabajo inicia este proceso para razonar problemas con recompensas verificables. Dado que esta es la configuración más "estable" para construir una canalización simple para el aprendizaje. Las próximas fronteras serían LLM como juez y configuraciones de recompensa retrasadas a largo plazo.