研究者ら、ターミナルエージェント向けタスクにRSTを提案

HF Daily Papersで取り上げられた論文が、長期的なターミナルエージェント訓練タスクを生成するためのフレームワーク「Recursive Synthetic Terminal Tasks」を紹介している。RSTは検証済みのシードタスクを出発点に、参照解を拡張し、検証器と指示を再調整し、新しいサンドボックスでタスクを検証し、採用されたタスクを後続ラウンドで再利用する。15回の再帰ラウンドを通じて、タスクあたり約0.05ドルで37,484件の合成タスクを生成し、ラウンドを重ねるにつれてタスクの難度は上昇した。