待验证50% 置信事实精确时间

LM2LM设计了一种人机协作的反馈循环：模型提出提案，世界模型筛选，真实执行校准。

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。75% 相似待验证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。74% 相似已验证现代LLM通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）获得了规划、推理和工具使用能力71% 相似已验证指令微调技术由InstructGPT（2022）系统化提出，结合人类反馈强化学习（RLHF）使模型更符合人类意图71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1069690

API

curl https://kongchang.com/api/v1/knowledge/claims/1069690

MCP

get_claim(id=1069690)