• Новый метод обучения ИИ использует всего 78 примеров для создания агентов.
• Качество данных важнее, чем их количество.
• Современные системы обучения требуют больших объемов данных для обучения ИИ.
• Ограниченные данные и их сбор могут быть проблемой.
• Фреймворк LIMI использует принцип «меньше значит больше» для обучения ИИ.
• Конвейер для сбора высококачественных примеров агентских задач является ключевым элементом фреймворка.
• Подход гарантирует обучение на всем процессе решения проблем.
• Новый подход может быть полезным для создания приложений с ограниченными данными или дорогостоящим сбором.

В ходе экспериментов исследователи установили, что, имея небольшой, но тщательно подобранный набор данных, состоящий всего из 78 примеров, они могут получить БЯМ, которые значительно превзойдут по ключевым отраслевым показателям модели, обученные на тысячах примеров.