Meta 团队发布 SPoT 后思考方法：安全+17.7pp，数学推理全面提升
polkirichenko · x · 2026-11-12
Meta AI 研究团队（作者含 Jason Weston、Olga Golovneva 等）发布 Self-Improving Post-Thinking（SPoT）：教模型在给出答案后再生成一段批判性推理轨迹与裁决，对自身回答的安全性、正确性和置信度进行自评。
- 训练方式：通过 SFT 蒸馏或 RL 联合训练答案生成与自我判断，且 post-thinking 可在 continued pre-training、mid-training、post-training 不同阶段引入
- 模型可利用自评结果挑选最佳回答（self-selection），也能反过来学会生成更好的回答
- 后续推文给出具体数字：5 个安全 benchmark 上生成安全性较基座模型提升 17.7pp，self-selection 再加 3.6pp；4 个数学 benchmark 上较标准 RL 后训练提升 4.7pp，self-selection 再加 6.3pp
论文：arXiv 2601.21343《Self-Improving Training & Thinking》。
所属事件:Meta 发布 SPoT：答案后再思考(6 条相关)→
「研究」频道最新
- 《维罗纳宣言》发布：为计算研究中的生成式 AI 使用立规矩 — luislamb · 2026-11-12
- Intology 创始人在 YC 论文俱乐部：药物临床失败主因是选错靶点 — yusufroohani · 2026-11-12
- DeepMind 提出 FlipTest 基准:视频世界模型全部不及格,最好模型低于随机猜 — AlexGDimakis · 2026-11-12
- AI 模型用巴西调查数据预测龋齿高危人群，服务公卫规划 — Brighter-Side-News · 2026-11-12
- Meta FAIR 开源 e-means：比 Lloyd 算法快 10 倍、损失更低的 k-means — generativist · 2026-11-12
- Google 联合 Artificial Analysis 推 MKA benchmark，专查智能体交付物 — OnlineInference · 2026-11-12