无需外部奖励的自训练架构获实证

2026 年 10 月 23 日，arXiv 平台发布 Jennifer Dodgson 等人的研究，提出一种仅依赖环境生存性的自训练架构，旨在解决自训练退化问题。 该架构通过资源约束下的差异性生存选择，使模型发展出元学习策略并实现负空间学习，从而让奖励黑客在进化上变得不稳定。 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，实现了无需外部奖励的自洽学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。