Meta^n 方法：固定算子实现稳定递归自我改进

研究者提出一种名为 Meta^n 的递归自我改进新方法。不同于直接编辑自身代码易导致系统失稳，该方法保持元操作算子固定，通过在增长的输入堆栈和代码痕迹上递归应用该算子，构建更深的推理层，其深度由收敛决定而非预设。该方法旨在提升具备自我改进能力的 LLM 智能体水平，同时保持系统稳定。

2026-08-26 ~ 2026-08-27 · 2 条相关

• Meta^n：通过涌现深度实现递归自我改进 — Zae Myung Kim · 2026-08-26
• Meta^n 方法：固定算子实现稳定的递归自我改进 — dair_ai · 2026-08-27