新研究把思考变成自我改进闭环：生成-反思-评判-提升
aaron_defazio · x · 2026-11-10
研究者 OlgaNLP 团队发布新工作，将模型推理构建为自我改进循环：生成 → 反思 → 评判 → 改进。
方法核心是对自身的思维链（CoT）进行批判性分析，并对自己的输出在任意关注的维度上给出裁决，使推理能力与自我评判能力同步提升，且可应用于训练的任意阶段。具体实验数据待论文发布。
「研究」频道最新
- 中国脑机接口设备日用达成 94% 意念打字准确率 — yogthos · 2026-11-10
- Marin 535B-A23B 完成 18T token 预训练，架构决策全文公开 — ChengleiSi · 2026-11-10
- 世界模型学术会议 ICWM 2027 定档纽约，论文截稿 12 月 22 日 — randall_balestr · 2026-11-10
- Berkeley 团队 HuGo 论文入选 CoRL 2026 聚焦,用 LLM 写全身策略代码 — m_wulfmeier · 2026-11-10
- UniWALM：视频骨干一次扩散同时完成规划、记忆与操作 — drsrinathsridha · 2026-11-10
- 多运动相机视频拼接新研究：对齐网络让画面以假乱真 — kwangmoo_yi · 2026-11-10