verified task environments
ルールや判定がきちんと定義され、正しく動くことが確認されたタスク環境のこと。評価のぶれや曖昧さを減らしやすい。
たとえば: 採点基準がはっきりしていて、解答例も確認済みの模擬試験。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- 長時間タスク向けデータセット「Tev-Gym」と進捗報酬PPRSで学習するエージェントモデルTev-27B
長時間タスク用の学習データ不足と疎な報酬を課題に、Tev-Gymと進捗を密な報酬へ変換するPPRSを提案。レシピで学習したTev-27Bが複数ベンチマークで改善を示したと報告する。
