标签
快速-慢速训练（FST）将上下文优化（通过GEPA）与通过强化学习进行的模型权重更新交替进行，在数学、代码和物理推理上实现了比单独使用RL高3倍的样本效率，同时保持了可塑性并实现了持续学习。
本文介绍了一种上下文优化方法，该方法通过维基百科搜索和浏览器工具进行主动信息搜索，并结合基于搜索的训练流程，在无需更新模型权重的情况下，在多个领域实现了稳健的性能提升。