研究人员推出了一种新颖的语言模型自我演化方法 DiagEvo，该方法利用分层错误原因记忆来指导训练。与依赖外部资源或一般难度信号的先前方法不同，DiagEvo 直接从模型自身的失败历史中推导出其课程。该系统识别反复出现的错误原因，对其进行分类，并利用这些信息来平衡有针对性的训练与自由探索，从而在各种基准测试中提高性能。 AI
影响 这种方法可能导致更有效和高效的语言模型自我训练，从而可能加速其开发并提高在复杂推理任务上的性能。
排序理由 该集群描述了一篇关于语言模型自我演化的新颖方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.00768v1 Announce Type: new Abstract: Self-play is an effective paradigm for language-model self-evolution, but without guidance, solver performance can plateau or decline across rounds. Unguided methods steer question generation with signals such as difficulty, learnab…
DiagEvo improves language-model self-evolution by deriving training direction from internal failure history via hierarchical error-cause memory and double-confidence filtering, outperforming external-resource baselines.