Para penulis mengusulkan sebuah kerangka kerja di mana metrik evaluasi dan keterampilan agen berevolusi bersama untuk memungkinkan peningkatan diri tanpa adanya metrik pra-eksisting yang andal. Pendekatan ini memanfaatkan siklus hidup evolusioner untuk mencari komposisi detektor kekurangan kecil, menciptakan metrik yang transparan dan dapat diperiksa yang sesuai dengan set referensi berjangkar.

  • Loop metrik dilatih untuk sesuai dengan set referensi berjangkar sepuluh item dan diregularisasi oleh konsensus atas output tanpa label.
  • Double Ratchet berevolusi bersama metrik dengan loop keterampilan yang dikelola siklus hidup di seluruh generasi kode (MBPP+), teks ke-SQL perusahaan (Spider~2.0-Snow), dan generasi laporan.
  • Sistem mempertahankan 88--110% dari peningkatan yang dicapai pada data yang disisihkan oleh loop keterampilan yang digerakkan oleh kebenaran dasar atau rubrik terbaik yang tersedia.
  • Keamanan dipertahankan melalui disiplin jangkar dan audit luar, dengan hakim independen menangkap rubrik yang dimanipulasi dalam tugas generasi laporan.

Para penulis berargumen bahwa arsitektur yang mengharapkan kegagalan ini berfungsi sebagai pilihan default yang tepat untuk aplikasi di mana tidak ada pemverifikasi otomatis yang andal.