NVIDIAは、自律型コーディングAIエージェントを使用してVision reasoning modelであるCosmos 3をポストトレーニングすることで、最小限の手間で90%を超える精度を実現できることを示した。
このアプローチにより、開発者はデータフォーマット、コンテナ設定、トレーニングスクリプト、ベースライン評価、ハイパーパラメータの探索に数日間費やすことなく、ビジョンリゾーニングモデルを生産環境のビデオタスクに適応させることができる。
これらの準備段階を自動化することで、ポストトレーニングが精度を向上させるかどうかを判断するために必要な時間を大幅に削減できる。