MARINE: итеративное улучшение одного ответа через многоагентную разведку

Обнаружено: single-agent self-refine проваливается из-за Degeneration-of-Thought — когда модель уверилась в решении, она не видит собственных ошибок, даже если явно просишь "найди проблемы". MARINE позволяет превратить pass@N способность модели в pass@1 — вместо генерации N независимых ответов и выбора лучшего, метод создаёт одну опорную траекторию и итеративно улучшает её через команду агентов-критиков. На каждом раунде несколько агентов с разными ролями (юрист, финансист, маркетолог) ищут локальные ошибки в своей зоне — лучшие правки сшиваются в обновлённую версию. Результат: монотонное улучшение качества вместо лотереи Best-of-N.