arXiv · AI· Jennifer Dodgson, Alfath Daryl Alhajir, Michael Joedhitya, Akira Rafhael Janson Pattirane, Surender Suresh Kumar, Joseph Lim, C. H. Peh, Adith Ramdas, Steven Zhang Zhexu·· 6 小时前AI 评分31
环境介导选择实现可持续自我训练：一种无需外部奖励的自洽学习架构
Survival is the Only Reward: Sustainable Self-Training Through Environment-Mediated Selection
AI 导读
该研究提出一种仅依赖环境生存性而非外部奖励的自我训练架构，旨在解决自训练退化问题。 通过资源约束下的差异性生存选择，模型发展出元学习策略，实现负空间学习，使奖励黑客在进化上不稳定。 此方法为不依赖人工数据或复杂奖励塑造的自主系统提供了通往稳健自我改进的可行路径。
来源：arXiv · AI · arxiv.org