RSI-Dojo ฝึก Agent ให้ปรับปรุง LLM ด้วยตนเอง
งานวิจัยนี้นำเสนอ RSI-Dojo ซึ่งเป็นชุดสภาพแวดล้อมการฝึกโมเดลที่ช่วยให้ LLM agents สามารถเรียนรู้และทำการ Post-training…
Self-Improvement
งานวิจัยนี้นำเสนอ RSI-Dojo ซึ่งเป็นชุดสภาพแวดล้อมการฝึกโมเดลที่ช่วยให้ LLM agents สามารถเรียนรู้และทำการ Post-training…