🔥 Идея из paper: перестать “тренировать наугад” - и сначала предсказывать, какой код выиграетОбычно ML-агенты работают так:написал код -> запустил обучение -> посмотрел результат -> исправил -> снова запустил…Проблема в том, что каждая попытка может занимать часы, и получается дорогой trial-and-error.Авторы предлагают другой подход:✅ вместо того чтобы проверять все варианты агент сначала рассуждением выбирает, какой из 2 решений лучше, и запускает обучение только для лучшего кандидата.То есть:сначала прогноз -> потом одна проверка, а не десятки запусков.Они оформляют это как задачу:“выбор лучшего решения по данным” (data-centric preference)На вход дают:- описание задачи- *подтверждённый отчёт о датасете* (data report)- два варианта кодаЧтобы отчёту можно было доверять, они:1) прогоняют отдельный профайлинг-скрипт по данным 2) проверяют логи 3) переписывают статистику в простой текст, понятный LLMРезультат на реальных данных:- 18,438 пар решений- 26 задач- точность лучшей модели: 61.5%- и ещё важно: уверенность модели реально совпадает с тем, права она или нетВ их системе FOREAGENT это даёт:⚡ поиск в 6 раз быстрее📈 примерно на 6% лучше качествоВывод простой:мы можем ускорить обучение агентов не за счёт железа, а за счёт “умного отбора” - тренировать только то, что с высокой вероятностью сработает.Paper: arxiv.org/abs/2601.05930
