跳到正文
热点事件持续更新

Meta^n:固定元操作递归提升智能体表现

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Zae Myung Kim 等作者提交论文,提出 Meta^n 方法:保持元操作 Ω 固定,对其自身产物反复递归,让每一层从更高视角推理,递归深度由收敛决定而非预先设定。作者称,在两个骨干模型上,Meta^n 在全部八个基准族上优于此前的自我改进智能体,在 ARC-AGI-2 上是唯一得分高于零的方法。

AI 根据报道生成 · 57 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    Meta$^n$:通过涌现深度实现 LLM 智能体的递归自我改进

    论文提出 Meta$^n$,保持元操作 Ω 固定、对其自身产物反复递归,让每一层从更高视角推理,深度由收敛决定而非预先设定。在两个骨干模型上,Meta$^n$ 在全部八个基准族上优于此前的自我改进智能体,在 ARC-AGI-2 上是唯一得分高于零的方法。

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。