CalibForge、ソルバーの挙動をもとにターミナル課題を較正

研究者らは、検証済みのソルバー挙動を用いてターミナルエージェント向けの訓練課題を合成する自律システム、CalibForgeを発表した。この手法は、複数ソルバー間の不一致や、強いソルバーは通過し弱いソルバーは失敗するという対比的較正を含む、敵対的なソルバー較正を通じて候補課題を修正する。CalibForgeは5,431件の較正済みターミナル課題を生成し、そのコレクションで訓練されたモデルはTerminal-Bench 2.0で32.58%と47.57%に到達した。