Hugging Face、自己改善型エージェントモデル「NeoHorse-1」を発表

記事の3ポイント

1. 1

   再帰的自己改善（RSI）の実装アプローチ

   AI システムが自身の能力を観察し、その証拠を次の学習ラウンドに変換する具体的なメカニズムとして、エージェント型の事後学習とルーティングハルネスを採用した。

2. 2

   多段階カリキュラムによる学習プロセス

   ルーティング信号を用いて教師あり微調整を三段階のカリキュラムに組織化し、さらにルーティング誘導のオンポリシー蒸留で教師が生徒生成応答を指導する構造を実現した。

3. 3

   評価フィードバックに基づく学習ループ

   能力指向割り当てにより評価フィードバックを次のトレーニングミクスチャーに変換し、システムが何を学ぶかが次回の学習対象を決定する閉じたループを形成した。