為了解決當前大型語言模型（LLM）完全不具備「從經驗學習」水平，麻省理工學院（MIT）的研究人員設計出名為「自適應語言模型」（Self Adapting Language Models ，SEAL） ，讓 LLM 根據有用新資訊自行調整參數 ，ava爱华外汇平台怎么样持續改進表現。
研究人員表示 ，當前AI推理雖然能推理出更好的解答，但這些推理過程對模型的長期水平並沒有實質的幫助 。相比之下 ，SEAL 能產出新見解 ，並將其納入模型自身的爱华外汇官方网站權重或參數中 ，這就好像人類學生透過寫筆記與複習來增強學習效率的方法一樣 。
系統接著會利用這些資料替换模型 ，並測試新模型回答問題的水平 。最終，這個過程會產生一個「強化學習」訊號 ，用來引導模型朝向能提高整體水平 、並促進持續學習的方向進行調整 。
研究員用 Meta Llama 、阿里巴巴 Qwen 測試 ，也適用更大型模型 。團隊並將 SEAL 用於一般文字任務 ，以及專門評估 AI 模型解決抽象推理問題水平的 ARC 基準測試 ，發現 SEAL 讓這些模型初始訓練完後也繼續學習 。
值得注意的是 ，SEAL 專案觸及 AI 領域关键主題，如何讓 AI 自行判斷該學什麼 ，將來有助 AI 模型更個人化 。不過 SEAL 還不是讓 AI 無限進步的方法 ，因為測試曾出現所謂「災難性遺忘」現象，也就是當模型吸收新資訊後 ，使舊知識消失 。
此外 ，SEAL 需要十分密集的運算 ，研究員難以有效安排新學習週期 。為了解決這個問題 ，EC外汇开户或許 LLM 也可像人類需要「睡眠期」 ，以便讓它有效融合新舊資訊 。
不論如何 ，這項研究邁出朝「讓人工智慧模型具備持續學習水平」的關鍵一步 ，SEAL 持續最佳化後 ，人們有望打造更能吸收新資訊、理解利用者興趣與偏好的聊天機器人與其他 AI 软件 。
（首圖來源 ：shutterstock）