待验证50% 置信事实精确时间
LM2LM能泛化到训练期间未见过的模型家族。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
LM2LM：语言模型学会自我改进，开启递归自我提升新路径
rss2026/10/16
涉及实体
相关事实
待验证LM2LM方法通过强化学习训练LLM生成有效的模型改进提案，并使用冻结的LLM作为研究世界模型（RWM）来预测提案收益作为奖励信号。71% 相似待验证若广泛采用对遗漏视而不见的LLM裁判来打分、做基准测试或指导模型训练（如RLHF、RLAIF），整个优化循环可能被误导，模型会学会生成看起来完整实则残缺的内容68% 相似待验证LM2LM目前仅在八个开发环境和有限模型上验证，真实场景中的复杂性和多样性远高于此；世界模型的预测精度和校准频率如何影响最终效果，论文未详细展开。68% 相似待验证该研究聚焦于高维回归的原型设定：源模型通过岭回归训练，目标模型通过L2距离正则化进行微调。66% 相似待验证LM2LM定期执行当前策略排名靠前且被RWM高估的提案，并将实际测量结果加入RWM的上下文以校准世界模型。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069682API
curl https://kongchang.com/api/v1/knowledge/claims/1069682MCP
get_claim(id=1069682)