Bài báo RSI-Anything với 32 phiếu lựa chọn đi theo hướng tự cải thiện đệ quy: dùng mô hình thế giới làm đối tác luyện tập, để tác tử tự đặt câu hỏi, điều chỉnh phương án rồi chạy lại trong môi trường mô phỏng. Không dựa vào điểm số bên ngoài mà lấy tính nhất quán nội tại làm thước đo. Sau 1000 vòng, độ ổn định hành động đã tăng đáng kể.

Với các giao thức tác tử như $FET , đây là một mắt xích chứ không phải chiêu trò. Tác tử có thể tự vấp ngã rồi tự rút kinh nghiệm, nhờ đó giảm chi phí triển khai. Những việc trước đây cần tinh chỉnh bằng phản hồi của con người nay đã có một phương pháp không cần giám sát được trình bày trong bài báo. Hướng phát triển mạng con cũng được hưởng lợi: các nút xác thực không cần chấm điểm thủ công hằng ngày mà có thể dùng trực tiếp cơ chế tự đánh giá trong bài báo này làm hàm chi phí.

Lần này không phải nói về việc chất đống năng lực tính toán, mà là thúc đẩy thêm một bước con đường giúp tác tử trở nên mạnh hơn thông qua phương pháp huấn luyện. Về dài hạn, định giá của các giao thức tác tử sẽ chuyển động theo nhịp tiến triển của các bài báo. Một khi có bản tái hiện mã nguồn mở, việc ứng dụng sẽ không còn chỉ nằm trên PPT.

#递归自改进 #世界模型 #AI