ИССЛЕДОВАНИЕ · RESEARCH · #920
Статья VHD-Play: генерация решённых верифицируемых агентных сред и обучение LLM-агентов
В статье arXiv:2609.27321v1 представлен VHD-Play — конвейер, который сначала выбирает и решает математические механизмы, а затем рендерит их как корпусно-обоснованные состояния среды с унаследованной исполняемой динамикой и оценкой траекторий; авторы сообщают о создании 3 300 разнообразных агентных сред по цене несколько центов каждая. Обучение Qwen3.6-35B-A3B на трёх семействам, по их данным, повысило средний агентный балл с 0.204 до 0.815 в пятисемейном диагностическом тесте, обобщилось на отложенные и восемь невиданных семейств механизмов и улучшило внешние бенчмарки (на E-Commerce Bench контрольная точка завершила все прогоны без банкротства и превзошла Qwen3.7-Max).
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье arXiv:2609.27321v1 представлен VHD-Play — конвейер, который сначала выбирает и решает математические механизмы, а затем рендерит их как корпусно-обоснованные состояния среды с унаследованной исполняемой динамикой и оценкой траекторий; авторы сообщают о создании 3 300 разнообразных агентных сред по цене несколько центов каждая.
- Обучение Qwen3.6-35B-A3B на трёх семействам, по их данным, повысило средний агентный балл с 0.204 до 0.815 в пятисемейном диагностическом тесте, обобщилось на отложенные и восемь невиданных семейств механизмов и улучшило внешние бенчмарки (на E-Commerce Bench контрольная точка завершила все прогоны без банкротства и превзошла Qwen3.7-Max).
- Если результаты воспроизводимы, дешёвая и верифицируемая генерация решаемых, состоятелизированных сред с встроенной эталонной оценкой может масштабировать обучение и надёжнее оценивать модели-агенты.
ПОЧЕМУ ЭТО ВАЖНО
Если результаты воспроизводимы, дешёвая и верифицируемая генерация решаемых, состоятелизированных сред с встроенной эталонной оценкой может масштабировать обучение и надёжнее оценивать модели-агенты.