Um documento de posição argumenta que os sistemas modernos de IA devem migrar de rodas de manutenção reativas para o desenvolvimento proativo baseado em testes para melhorar a generalização. Os pipelines reativos atuais dependem de observar erros do usuário para corrigir modelos, o que frequentemente ignora objetivos mais amplos do sistema e falha em prevenir casos extremos futuros.
Os autores defendem a criação de um "espaço de teste" para mapear dados de feedback aos objetivos da tarefa, evoluindo assim a roda de reativa para proativa. Eles provam matematicamente que essa abordagem proativa alcança um melhor escalonamento a longo prazo com menos iterações em comparação com métodos reativos.
Essa mudança aborda a dificuldade estatística de coletar erros restantes em casos de uso de mundo aberto e visa construir sistemas de IA mais generalizáveis.