待验证50% 置信事实精确时间
在LLM语境下，递归自我改进不必是模型直接修改自身权重，而可以表现为模型提出架构、数据或训练配方层面的改进提案，再由外部流程验证和执行。
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LLM采用无状态设计，模型权重在训练后被固化，推理时不会因某次对话而改变内部参数76% 相似待验证模型的实际行为由训练权重、系统提示以及运行时上下文共同决定，单看提示词无法完全还原产品全貌75% 相似待验证Skills 机制通过上下文注入在不修改模型权重的前提下引导模型输出，相比一次性 Prompt Engineering 强调可复用性、版本管理和模块化组合74% 相似待验证共形预测可作为包装层叠加在任何已训练好的模型之上，无需重新训练或修改模型结构73% 相似待验证生产环境通常需要将模型作为建议器与传统优化器计划做对比择优或设置回退机制，而非完全替换，以防学习式模型偶尔生成灾难性坏计划73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069688API
curl https://kongchang.com/api/v1/knowledge/claims/1069688MCP
get_claim(id=1069688)