论文提出递归自我改进框架 Meta^n,在八个基准上超越既有自改进智能体
热点事件持续更新
论文提出递归自我改进框架 Meta^n,在八个基准上超越既有自改进智能体
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一篇 arXiv 论文提出递归自我改进框架 Meta^n:保持元操作 Ω 固定并对其自身产物递归应用,每层以下层求解栈的轨迹和代码为输入,生成下一层的策略预处理和可调用辅助函数库。在两个骨干模型上,Meta^n 在全部八个基准家族上超过既有自改进智能体;其中在为抵抗技能记忆而设计的 ARC-AGI-2 上,它是唯一得分高于零的方法。 消融实验显示,递归收益主要来自层间传递的条件信息,且层角色随深度自发分化。论文代码已开源。
AI 根据报道生成 · 47 分钟前更新
最新进展11月20日 13:00
Meta^n 论文提出递归自改进方法,在 ARC-AGI-2 等八个基准上超越既有自改进智能体报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIMeta^n 论文提出递归自改进方法,在 ARC-AGI-2 等八个基准上超越既有自改进智能体
论文提出 Meta^n,保持元操作 Ω 固定并对其自身产物递归应用,每层以下层求解栈的轨迹和代码为输入,写出下一层的策略预处理和可调用辅助函数库。在两个骨干模型上,Meta^n 在全部八个基准家族上超过既有自改进智能体,其中在 ARC-AGI-2 上是唯一得分高于零的方法。消融显示递归收益主要来自层间传递的条件信息,层角色随深度自发分化,代码已开源。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。