Человеческое обучение с подкреплением для AI-агентов

Человеческое обучение с подкреплением для AI-агентов

Улучшение системы самокритики AI-агентов требует внешнего знания. Можно создать архитектуру с главным агентом и несколькими судьями-субагентами (по корректности, стилю, пунктуации). Когда судьи упускают важные аспекты, человек явно указывает на пробелы, перекладывая своё знание в критериях оценки. Это форма обучения с подкреплением в человеческом темпе — медленная, но эффективная.

---

Источник: Workshop transcript, 2026-03-03