阿里研究所 Recursa 论文：不改权重把 DeepSeek-V4.1-Flash 法律任务从 30% 提到 55%
omarsar0 · x · 2026-11-05
阿里研究所发布论文《Recursa: Toward Recursively Self-Improving Foundation Model Systems》，提出不靠更强教师模型或人类专家的递归自我改进框架。
核心机制：模型权重保持不变，收益全部来自系统自己撰写并维护的「知识仓库」，其中存储领域技能、使用时机说明、过往任务记忆与反思。流程是先从领域材料自举构建仓库，随后并行学习体执行任务并提出修复，只有通过验证的修复才合并回仓库。
实测数据：在 Harvey LAB 的 Firm Knowledge 基准上，DeepSeek-V4.1-Flash 的 held-out 法律任务 all-pass 率从 30.0% 升至 55.0%；Qwen3.8-Flash 从 35.0% 升至 46.0%。论文将此问题定义为「基础模型系统学习」——同时改进模型、指令、技能、记忆与 harness 整个系统，而非只训模型。
所属事件:阿里发布 Recursa：无需人类监督的递归自我改进模型系统(2 条相关)→
「漫话AGI」频道最新
- 密码学家 Matthew Green:可证明 ZK 或让 Agent 互信协作 — matthew_d_green · 2026-11-06
- Elicit 绘制 AI 制药版图:138 家公司覆盖 58 个职能 — jungofthewon · 2026-11-06
- AI×制药创业最卷与最空赛道一张图:生物信息 7 家,生物统计 0 家 — jungofthewon · 2026-11-06
- 「会有很多夏尔星球」:奇点后你拿一颗行星干什么 — moultano · 2026-11-06
- 「Agent 最大化」的隐性代价：让 AI 包办杂事会让你失去品味与创造力 — bendee983 · 2026-11-06
- NYU上海AI与文化中心招博士后，Bogna Konior 指导 — sebkrier · 2026-11-06