ある立場論文は、現代のAIシステムは汎化を改善するために、反応的な保守サイクルから能動的なテスト駆動開発へ移行すべきだと主張しています。現在の反応的なパイプラインは、モデルをパッチするためにユーザーエラーを観察することに依存しており、これはしばしばより広範なシステム目標を無視し、将来のエッジケースを先読みするのに失敗します。

著者たちは、フィードバックデータをタスク目標にマッピングするための「テスト空間」の作成を提唱し、これによりサイクルを反応的から能動的に進化させます。彼らは数学的に、この能動的アプローチが反応的手法と比較して、より少ない反復でより良い長期スケーリングを実現することを証明しています。

この移行は、オープンワールドの使用事例における残りのエラーの収集という統計的な難しさを解決し、より汎用性の高いAIシステムの構築を目指します。