一位独立研究人员开发了一种新颖的AI模型训练方法，让模型仅从自身的错误中学习。该方法使一个小型模型在HumanEval编码基准测试中取得了80%的得分，并在数学任务上超越了GPT-3.5。这项技术提供了一种潜在的、具有成本效益的增强AI能力的方法，而无需依赖人工标注数据。 AI
影响 展示了一条低成本的AI自我改进路径，可能减少对昂贵的人工标注数据集的依赖。
排序理由 该集群描述了一项新颖的研究发现和一种新的AI模型训练方法，而非商业发布或前沿模型。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
📰 Self-Improving AI: Small Model Trains on Mistakes, Beats GPT-3.5 in 2026 A solo researcher trained a small AI model exclusively on its own coding and math mistakes, achieving an 80% score on HumanEval and outperforming GPT-3.5 on math benchmarks. The breakthrough reveals a low-…
📰 Küçük Model 2026'da HumanEval'de %80 Başarı: GPT-3.5'i Matematikte Geçti Bir araştırmacı, küçük bir dil modelini kendi hatalarından besleyerek eğitti. Sonuç: Model, kodlama kıyaslaması HumanEval'de %80 başarıya ulaştı ve matematikte GPT-3.5'i geride bıraktı.... # BilimveAraştır…