素のモデルが、調整版には解けない課題を解いた。

十月一日の論文は、素の版と調整版という十四組のモデルを比べた。試行を十分に許すと、素のモデルは調整版が一度も解けない課題を解いた。著者はこの差を鋭化税と呼び、サンプリングでの対策を示している。

なぜ重要か調整は一発目の信頼性を上げるが、同時に解ける幅を狭める。エージェントが同じ課題で詰まるなら、素朴なモデルの方が届くかもしれない。

関連ニュース