آموزش یک مدل ایجنتی برای مهندسی یادگیری ماشین، با پاداش دادن به «پنجره»های بین دو آزمایش
وقتی یک ایجنت خودش کار مهندسی یادگیری ماشین را انجام می‌دهد (داده آماده کند، مدل بسازد، آزمایش اجرا کند و از نتیجه یاد بگیرد)، هر آزمایش گران است و نتیجه‌اش حاصل چند تصمیم قبلی است. یک اجرای طولانی پر از این آزمایش‌های پرهزینه است. پس سخت است بفهمیم کدام تصمیم
چارچوب باز چندجلسه‌ای برای حل مسئله‌های المپیاد با حل، بازبینی، ویکی و تأیید
ایجنت‌های مدل زبانی در کارهای علمی و المپیادی طولانی سریع بهتر می‌شوند، اما سیستم‌های برجسته نه مدل و نه پشته‌ی کامل استنتاجشان را منتشر می‌کنند. یک جلسه‌ی ایجنتی تنها هم روی مسئله‌های سخت شکننده است: خطاهای اولیه منتشر می‌شوند، دانش حوزه‌ی کم پیشرفت را متوقف