Orang yang pernah menginjak lubang ini pasti tidak sedikit, akhirnya ada yang membahasnya secara sistematis.

Stanford NLP menampilkan di ICML 2026 bagaimana mengubah pretraining dan post-training LLM menjadi lingkungan eksekusi melalui aktuator otomatis, memanfaatkan umpan balik eksekusi untuk meningkatkan efisiensi penelitian. Dua metode: pencarian evolusioner lebih unggul dari GRPO (69,4% vs 48,0%) dalam tugas post-training, dan formula yang ditemukan dalam pretraining lebih cepat daripada nanoGPT (19,7 menit vs 35,9 menit), keduanya diselesaikan dalam sepuluh putaran pencarian; Pembelajaran penguatan berbasis hadiah eksekusi mudah mengalami keruntuhan pola, meskipun meningkatkan hadiah rata-rata tetapi tidak meningkatkan batas atas. Pekerjaan ini menunjukkan arah penelitian AI otomatis berbasis eksekusi.