ИИ научился сам придумывать себе тренировочные среды Self-play после AlphaGo наконец добрался и до языковых моделей. Новая работа SPADE - это, возможно, первый пример, когда self-play по-настоящему заработал для общих рассуждений у LLM. Одна модель теперь: 1. сама пишет себе полноценные многоходовые среды на Python 2. сама в них учится 3. сама поднимает планку сложности под свой уровень. Больше не нужен человек, который вручную создаёт и подбирает задачи. Модель генерирует себе бесконечный, всё более сложный учебный план прямо на границе своих возможностей. Один из последних ручных этапов пост-тренинга автоматизирован.