创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

Recursa提出递归自我改进基础模型系统

AI 总结

一篇提交至 arXiv 的论文介绍了 Recursa。该基础模型系统无需人类专家或更强的教师模型,而是通过从自身经验中学习来适应陌生领域。其知识库保存领域专属技能、应用这些技能的说明、过往任务记忆和反思。系统由并行学习者执行任务并提出局部改进,再对改进进行验证并合并入库。作者报告称,在 Harvey LAB 的 Firm Knowledge 基准上,搭配 DeepSeek-V4.1-Flash 和 Qwen3.8-Flash 时,留出测试任务的全通过率分别从 30.0% 升至 55.0%,以及从 35.0% 升至 46.0%。

深度见解

该论文提出了一套具体方案,利用自我生成经验、结构化知识库,以及递归验证和合并改进的流程,让基础模型适应新领域。

Computer Science > Artificial Intelligence

arXiv:2611.04035 (cs)

[Submitted on 2 Nov 2026]

Title:Recursa: Toward Recursively Self-Improving Foundation Model Systems

Authors:Erkang Zhu, Yin Lin, Xiaorong Shi, Xuanrui Lin, Jingren Zhou

View a PDF of the paper titled Recursa: Toward Recursively Self-Improving Foundation Model Systems, by Erkang Zhu and 4 other authors

#Recursa#DeepSeek-V4.1-Flash#Qwen3.8-Flash#Harvey LAB Firm Knowledge benchmark

原文约 2 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。