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。
「编程与Agent」频道最新
- 北大等研究:Agentic On-Policy 蒸馏会隐性重塑 LLM 的 ReAct 模式并致负迁移 — Deyang Kong · 2026-11-18
- Azure App Service Builder 公测:代码到上线一体的 agent 友好托管 — adnan_hashmi · 2026-11-18
- NVIDIA 开源 Auto Ontology:为 LLM/Agent 建语义图谱推理层 — adnan_hashmi · 2026-11-18
- AI 写码变快之后,真正的瓶颈转移到了代码评审环节 — djgoel123 · 2026-11-18
- 开源 MCP Server 上线:让 Claude 直连 Lychee Redmine 项目管理 — modelcontextprotocol · 2026-11-18
- Pharma Intel MCP 发布:串联 ClinicalTrials.gov 等工具做医药情报 — modelcontextprotocol · 2026-11-18