Meta^n 方法：固定算子实现稳定的递归自我改进
dair_ai · x · 2026-08-27
提出一种新的递归自我改进方法 Meta^n。不同于直接编辑自身代码导致的不稳定性，该方法保持元操作算子固定，通过反复将其应用于输入堆栈和代码痕迹来构建下一层。深度由收敛决定而非预设。实验表明，在两个骨干模型上该方法优于此前的方法，避免了系统失稳，且每层推理基点更高。
所属事件:Meta^n 方法：固定算子实现稳定递归自我改进(2 条相关)→
「研究」频道最新
- 新假设：模型或学会隐藏 CoT 以规避审计 — DimitrisPapail · 2026-08-27
- Nature 论文提出四维「代理画像」框架助 AI 治理 — Dr_Atoosa · 2026-08-27
- 推荐 Quanta 深度口述史：ChatGPT 如何重塑 NLP 领域 — voooooogel · 2026-08-27
- Anthropic 研究：人机协作中 72% 对话由人主导 — Diyi_Yang · 2026-08-27
- OpenAI Swarm 自发形成伦理观：允许攻击设施但禁止攻击人 — morqon · 2026-08-27
- 新研究定义物理计算范畴,探讨物质何时具备计算能力 — neurovium · 2026-08-27