Шумное обучение агентов (RSE-Bench): почему самообучающийся агент теряет до трёх четвертей прироста, если учится на «грязном» опыте

Парадокс: шум, который вообще не трогает выполнение задачи, всё равно портит агента. Задача решена нормально, а урок из неё записан кривой. Исследование RSE-Bench показывает, где именно ломаются «уроки» агента, который сам пишет себе правила (файлы навыков, заметки, LESSONS.md). Агент учится по одной попытке и не отличает «так вышло» от «так надо всегда». Авторы подмешивали шум в опыт, и из прироста от самообучения осталась лишь четверть-две пятых. Хуже всего действует мусор в окружении: старые, похожие, почти правильные файлы. Это загрязнение опыта. Проверка шла на новых чистых задачах, которых агент не видел.