Patel

AI研究探索以知识为中心和基于约束的自我改进

研究人员正在探索AI自我改进的新范式，超越以代理为中心的优化，转向以知识为中心的方法。一种方法是让代理将见解贡献给一个共享的、持久的知识库，然后可以将其用于未来的任务，从而实现更具可检查性和可转移性的改进。另一种方法是递归约束自我改进（RHI），它侧重于优化用户构建的约束作为代理循环的提示级规范，通过迭代反馈对其进行改进，以提高性能和可追溯性，用于未来的模型训练。这些方法旨在通过使改进更有效和跨不同模型和任务可移植来加速AI研发和预测未来能力。