ai-trains-ai

強化学習で訓練されたエージェントが、今度は別のモデルを強化学習で訓練します。研究者や開発者の手数を最も食う訓練ループを丸ごと引き受け、性能のフィードバックを見ながら訓練戦略を自分で調整していきます。差し出されているのはモデルを訓練する道具ではなく、訓練するという役割そのものを学習させた成果です。