تتيح إطار عمل Agon التعلم من المكافآت القابلة للتحقق من خلال جعل نموذجين متنافسين يقيّمان عمليات الاستدلال لبعضهما البعض أثناء التدريب. بدلاً من الاعتماد على الإجابات النهائية أو نماذج المكافآت الخارجية، يستخدم النظام آلية حيث يقوم أحد النماذج بصياغة الحل بينما يحله الآخر في أدوار متبادلة، مما يكافئ الزوج على التفوق على خصمه.
- يتم تحسين كلا النموذجين في وقت واحد، مما يواجه خصماً يتزايد قوته تدريجياً وهو ما لا يمكن لتعلم التعزيز بنموذج واحد توفيره.
- لا يتطلب هذا النهج تسميات عملية ويعمل دون نموذج مكافآت منفصل.
- أثناء الاستدلال، يتم نشر الزوج المدرب كسلسلة من مرحلتين حيث يقوم أحدهما بصياغة مسودة والآخر يجيب بعد قراءة المسودة.
- على الجزء الصعب من DeepMath مع Qwen3، يضاعف Agon نتيجة pass@1 لـ GRPO.
- تنتج هذه الطريقة حوالي ثمانية أضعاف المكسب مقارنة بمرور Mixture-of-Agents غير المدرب على نفس النموذج الأساسي.
- تتكرر تحسينات الأداء عبر كود البرمجة التنافسية وعائلات النماذج المختلفة بما في ذلك Qwen3.5 و Gemma 4.
تسمح هذه الطريقة للنماذج بتحسين الاستدلال بشكل ضمني من خلال التنافس ضد بعضها البعض، مع توجيه العمل المستقبلي لتمكين التفاعل في الفضاء الكامن.