MetaSkill 论文:让 AI 学会搭环境,给另一个 AI 当导师
青稞AI · wechat · 2026-10-10
青稞AI 介绍 MetaSkill(AI4AI)论文,用「Advisor-PhD」关系类比 AI 辅助 AI:Target AI 负责执行任务,Builder AI 负责为它搭建并改进 harness(工具、记忆、执行流程构成的支持环境)。
Builder 通过观察 Target 的执行反馈积累 meta-skills,并把这些经验落实为实际可用的工具与工作流,而不是只给 Target 一份文字建议。实验显示:同一套经验由 Builder 落实为 harness,比让 Target 自己阅读平均高 12.02 个百分点;同一模型兼任 Builder 与 Target 时,用 meta-skills 比不用平均高 18.71 个百分点。作者据此提出,讨论 RSI 时除模型能力外,还应关注 agent 系统能否持续改善自己的工作环境。论文:arxiv.org/abs/2609.38143,代码已开源。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- 作者用布尔逻辑造 LM:前向传播单线程仅需几微秒但训练极慢 — cephaloform · 2026-10-23