Làm rõ cơ chế tự cải tiến của AQuA để tái hiện trên LLM cục bộ
Một làm rõ kỹ thuật nhấn mạnh rằng tác nhân nghiên cứu AQuA của Google đạt được sự "tự cải tiến đệ quy" bằng cách cập nhật trạng thái nghiên cứu liên tục của nó thay vì sửa đổi trọng số của mô hình ngôn ngữ nền tảng. Sự khác biệt này rất quan trọng đối với các nhà phát triển đang cố gắng tái hiện hệ thống bằng các LLM cục bộ. Việc hiểu rằng trọng số của tác nhân vẫn giữ nguyên giúp các nhà phát triển cô lập các biến số khi chuyển đổi hệ thống, đảm bảo rằng các thay đổi về hiệu suất được quy cho lịch sử trạng thái hoặc khung prompt thay vì chính mô hình. Điều này ngăn chặn những hiểu lầm về việc LLM tự động ghi đè mã nguồn hoặc trọng số của chính nó trong quá trình chạy cấu trúc này. Để đánh giá chuẩn xác một bản chuyển đổi cục bộ, các nhà nghiên cứu phải kiểm soát các biến số qua ba nhóm thử nghiệm loại trừ (ablation): thay đổi LM tác nhân dưới cùng một khung/trạng thái, thiết lập lại trạng thái nghiên cứu với LM cố định, và thay đổi khung/giao ước đánh giá với LM và trạng thái cố định. Hiện tại, bản thảo của AQuA thiếu một bản triển khai có thể chạy được hoặc chi tiết đầy đủ để tái hiện từ đầu đến cuối.
## KIẾN THỨC NỀN
AQuA (Tác nhân nghiên cứu giao dịch định lượng tự cải tiến đệ quy) là một khung nghiên cứu được thiết kế để tự động hóa nghiên cứu đầu tư định lượng. Trong khi "tự cải tiến đệ quy" theo truyền thống ám chỉ việc AI tự viết lại mã nguồn của chính nó để tạo ra sự bùng nổ trí tuệ, AQuA áp dụng khái niệm này ở cấp độ quy trình làm việc, sử dụng phản hồi thực nghiệm để tinh chỉnh các giả thuyết và cấu hình mô hình trong tương lai.