热点事件持续更新

研究者提出递归跨能力自改进训练方法RSI

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Huijuan Wang等研究者提出递归跨能力自我改进（RSI）训练方法，让统一多模态模型的文本与视觉能力互相生成训练数据：模型生成图像并读取以发现不足，再编写程序，由执行结果对照规格验证。在图表任务上，四轮RSI将改写措辞请求的得分从45.7%提升至60.2%，持续训练仅46.3%；验证程序占比从48.9%升至95.2%，读取器对编辑图像的准确率从55.6%升至87.4%。研究者同时构建了BasicChartBench基准。

AI 根据报道生成 · 2 小时前更新

最新进展10月5日 12:00

统一多模态模型中的递归自我改进（RSI）

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv：cs.CL
统一多模态模型中的递归自我改进（RSI）
研究者提出递归跨能力自我改进（RSI），让统一多模态模型的文本与视觉能力互相生成训练数据：模型生成图像并读取以发现不足，再编写程序，由执行结果对照规格验证。在图表任务上，四轮 RSI 将改写措辞请求的得分从 45.7% 提升至 60.2%，持续训练仅 46.3%；验证程序占比从 48.9% 升至 95.2%，读取器对编辑图像的准确率从 55.6% 升至 87.4%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。