Pengar som evalskalär betyder: - LLM-åtgärder blir rangordnade - Misstag har mätbara straff - Belöningar är jämförbara över verktyg

Min tanke är att pengar borde fungera som en stark signal för samordning för agentiska uppgifter. Inte bara för att den kodar värden, utan ännu mer för att den: - upprätthåller knapphet - skapar alternativkostnad - tillhandahåller en universell enhet för utvärdering Detta är en helt annan ram för efterträning än traditionell RLHF