Model besar adalah agen yang hebat tetapi seringkali terlalu besar, tertutup, atau halus untuk disempurnakan Ide: melatih model kecil untuk membuat konteks untuk model besar yang dibekukan, menilai output model besar, menggunakannya sebagai hadiah untuk model kecil GRPO untuk penyetelan konteks. Lebih lanjut di bawah ini