HuggingFace Daily Papers· Yue Huang, Yanbo Wang, Lichi Li, Yuanyuan Chen, Andreas Haupt, Xiaonan Luo, Zheyuan Liu, Jihye Choi, Felix Juefei-Xu, Xiangliang Zhang, Radha Poovendran, Misha Sra, Ying Liu, Ben Burtenshaw, Thomas Wolf, Alex Pentland, Zichen Chen, Zhangchen Xu·· 4 天前精选AI 评分70
RSI Arena: 通过人类反馈实现递归自我改进
RSI Arena: Towards Recursive Self-Improvement with Human Feedback
AI 导读
研究团队提出RSI Arena，探索AI代理能否自主训练有用语言模型并通过用户反馈改进。十种前沿模型从NVIDIA Nemotron 3.5 Lightning 30B-A3B Base开始，在六天内各获得1000 GPU小时和300美元API信用，独立选择数据、实施训练程序并选择检查点。
推荐理由
十种前沿模型自主训练并改进语言模型，人类反馈引导AI系统自我迭代，但基准提升与偏好增长无明确关联。
来源：HuggingFace Daily Papers · arxiv.org