L'apprentissage par renforcement était autrefois vraiment difficile—évaluer les actions de l'agent, déterminer les récompenses et pénalités appropriées, attribuer les résultats à des composants spécifiques. C'était compliqué.

Cela a changé radicalement. Les grands modèles de langage gèrent désormais le travail lourd des tâches d'évaluation. Avec les LLMs qui prennent en charge l'évaluation et les boucles de rétroaction, ce qui nécessitait autrefois une conception manuelle minutieuse est devenu réalisable par algorithme. Le goulot d'étranglement s'est ouvert.