تبحث الدراسة فيما إذا كان التدريب اللاحق للتعلم المعزز (RL) يضخم فقط المهارات الأولية الكامنة أم يركبها في استراتيجيات أعلى مستوى جديدة. باستخدام بيئة قواعد إعادة الكتابة القابلة للملاحظة بالكامل، وجدت الدراسة أن RL يعيد تنظيم الكفاءة الأولية من خلال آلية تركيبية على مراحل.
- يحل RL مشاكل خارج مجموعة التدريب نادرًا ما يحلها النموذج المدرب مسبقًا، حتى مع ميزانيات أخذ عينات أكبر، بينما يصل الضبط الدقيق بالرفض إلى مرحلة الاستقرار مبكرًا.
- يعزز RL الاختزالات الأولية قبل اكتشاف الإجراءات المركبة الصالحة، بما في ذلك التراكيب المتسلسلة والمتوازية.
- يتم إعادة استخدام هذه الإجراءات المركبة وتوحيدها في مجموعة مستقرة بدلاً من أن تبقى عينات معزولة.
- الفرق الرئيسي بين RL والضبط الدقيق بالرفض هو الانتقائية؛ حيث يركز RL الاستكشاف في بنية صالحة وقابلة لإعادة الاستخدام.
يعتمد ظهور الاستراتيجيات التركيبية على تنظيم التدريب المسبق للكفاءة الأولية في إجراءات اختزال يمكن لـ RL ضغطها، مما يسمح له ببناء استراتيجيات أعلى مستوى موثوقة من مكونات إجرائية ضعيفة.