MIT 研究:足够强的 LLM Agent 无需人类教,自主发明自我改进算法

MIT · hf · 2026-11-18

MIT CSAIL 与图宾根大学(Shobhit a Sundaram、Cansu Sancaktar、Phillip Isola)研究提出一个自主自我改进范式:冻结的 LLM Agent 只需获得基础原语、资源和一个泛化的自我改进目标,就能自主构建基于上下文的自我学习算法——在给定算力预算与经验收集、文本文档更新工具的条件下自由实验,无外部强加的训练循环、无真实世界数据访问。研究发现足够强的模型确实能自我改进,产出的文本产物可迁移到新的游戏与 3D 导航任务。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →