小米等提出 A-RSI:零标注数据实现多模态模型自我提升
xiaomi-research · hf · 2026-10-30
小米研究院联合中科院、港中文、哈佛等机构的论文 A-RSI 研究递归自我提升（Recursive Self-Improvement）中的两个核心问题：何时为模型引入新训练经验，以及如何保证训练目标可靠。
- 训练动态刷新：A-RSI 监控训练日志中的奖励波动与准确率，当某任务池的学习信号衰减时自动刷新任务池，无需查询验证集或测试集分数。
- 可验证监督：用一个静态的「模型自写程序库」生成多模态题目并给出参考答案，通过「生成契约」自动校验所属性质，并独立审计生成的答案，使奖励与刷新规则可独立核查。
- 零外部标注：整个训练循环不使用任何外部训练样本或人工答案标签。论文称在主要 11 项基准上，仅用 800 条新任务即可将平均成绩从 57.77 提升至 61.05。
「研究」频道最新
- 用 LLM 找出德国法律体系大量「漏洞」,可致机密泄露与免签通行 — w1kke · 2026-10-30
- 用全句翻译过滤部分译文,微调 Qwen3-8B 改进实时语音翻译 — burkov · 2026-10-30
- 纯仿真训练的四足机器人 HOUND 登上 Science Robotics 封面 — Scobleizer · 2026-10-30
- 激活导向实验：对一个"人类"神经元 steering,模型 52% 回答自称真人 — Sauers_ · 2026-10-30
- MoRE：相邻层共享专家池，同等参数量下困惑度降至 11.75 — burny_tech · 2026-10-30
- 中科院 CoSTA:解耦语音 token 空间,加速语音对话模型 — CASIA · 2026-10-30