RISED: Отбор данных по рубрикам и самодистилляция для многосредовых LLM-агентов
Авторы предлагают RISED — метод, в котором общая рубричная лексика и LLM-судья маркируют роллауты в разных интерактивных средах; профили рубрик используются для онлайн-отбора данных, положительные рубрики служат привилегированным контекстом для он-полиcи самодистилляции, а отрицательные рубрики смещают генерацию роллаутов от повторяющихся ошибок. В статье сообщается, что RISED, по данным авторов, демонстрирует наивысший средний показатель прохождения по средам и занимает первое или второе место в каждой среде, а также проведён рубричный анализ изменений в поведении.