递归式自我改进，
成为可运行的训练流程。
选择一个任务，确定评测基准和基础模型，再设定预算。研究智能体会设计训练数据、训练候选模型、进行评估、找出问题，并不断迭代，直到预算用完或时间到期。
最终交付训练好的模型检查点，以及它在平台独立评测中获得的分数。
改进循环
提出假设设计数据或重写智能体训练候选模型评估归因与修正
有三件事智能体不能修改：目标、评分方式，以及训练和评估的预算上限。否则，它可能选择修改评分规则，而不是改进模型。
你会得到什么
- 训练好的模型检查点，以及用于训练的数据
- 使用平台自己的密钥完成全面复评后，得到的正式分数
- 智能体的完整执行轨迹，运行期间即可回放
- 训练记录、评估任务，以及平台侧的成本
尚未提供：可用于对比的基线分数，以及自动化审计。这两项都已列入开发计划。
已有访问密钥？
每次运行都会训练真实模型、消耗实际预算。请联系运营人员获取访问密钥。