Evaluator–Executor Mismatch: проверять исправление агента нужно той моделью, которая его будет выполнять

Прикол: более сильная модель в роли проверяющего выбирала правки для агента хуже, чем скромный «родной» исполнитель. Метод Evaluator–Executor Mismatch позволяет выбрать, что именно поменять в провалившемся запуске агента, и не промахнуться с выбором. Фишка: лучшая правка зависит от того, кто её исполняет. Агент на 7 млрд параметров выигрывает от подсказки на нулевом шаге, а модель на 14 млрд — на двадцатом, ведь с нулевого она и сама справляется. Поэтому каждую правку прогоняй несколько раз той самой моделью и в той самой обвязке.