待验证50% 置信事实精确时间
LM2LM面临的核心矛盾是如何在不牺牲可靠性的前提下获得可扩展的反馈，因为代理反馈会因策略优化导致提案分布偏移而失真。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
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
待验证研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱73% 相似待验证LMArena的盲测投票机制曾被研究者指出存在提示词工程偏差，即擅长生成流畅、讨好性回答的模型得分偏高，而非实际能力更强72% 相似待验证模型自生成的反馈可能产生误导性的伪洞见，验证器质量会影响反馈有效性，是该方法的开放问题72% 相似待验证RWM的预测质量高度依赖上下文示例的代表性和数量；当新提案偏离上下文示例分布时，预测误差会显著上升。70% 相似待验证反馈分数与留出分数一致率低，本质上是过拟合与泛化差距在agent自我改进场景下的具体体现。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069686API
curl https://kongchang.com/api/v1/knowledge/claims/1069686MCP
get_claim(id=1069686)