部分验证65% 置信事实精确时间

LLM²框架由Sakana AI与牛津大学和剑桥大学合作开发，开创了让大型语言模型自主发明更好训练方法的概念

3

来源数

65%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

Sakana AI Establishes Recursive Self-Improvement Lab, Replacing Brute-Force Compute with Creativity to Pioneer a New AI Paradigm

rss2026/6/4

相关事实

待验证IEEE推出了一门专注于大语言模型（LLM）的官方培训课程64% 相似待验证TogetherAI 在 2024 年发表研究论文将集成学习思路引入大语言模型领域，实验表明将多个开源模型输出交由聚合模型综合处理后结果可超越任何单一模型60% 相似待验证本项目的蒸馏是将人类专家的非结构化经验作为教师，通过LLM将隐性知识转化为显性的可执行规则，与传统模型蒸馏（大模型教小模型）不同57% 相似已验证2020年OpenAI研究人员Kaplan等人发表论文首次系统性揭示语言模型性能与模型参数量、训练数据量、计算量之间存在可预测的幂律关系（Scaling Law）57% 相似已验证Andrew Ng 的机器学习课程在 Coursera 上提供，适合建立理论框架57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/42232

API

curl https://kongchang.com/api/v1/knowledge/claims/42232

MCP

get_claim(id=42232)