supervision

介绍DAIS，一种训练时框架，将思维链推理转化为依赖条件化的中间问答记录，为复杂推理提供更好的监督。在政策合规基准测试上，相比基线实现了高达5.6%的准确率提升。

作者反思，运行AI智能体的主要瓶颈并非模型能力，而是人类精确定义“好”或“完成”的能力，并将其与管理人员的类比相联系。

本文提出DARS，一个从模型行为的分布视角构建路由监督的框架，旨在解决LLM路由中单次标签不可靠的问题。

信任函数通过识别可靠的弱标签进行训练，实现近乎无损的弱到强泛化，在多个领域中达到与真实标签监督相当的性能。

GEM 引入了一种生成式监督方法，通过利用生成模型进行训练来提升具身智能。

对AI代理令人印象深刻的演示和可靠的实际执行之间差距的反思，认为当前代理擅长结构化任务但在不可预测条件下会失败，并指出近期AI角色将主要集中于带人类监督的窄范围自动化。