热点事件观察中
研究提出LLM自我进化调控方法ATRI
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
针对大语言模型在利用自身生成数据迭代训练时出现的自我进化退化问题，研究人员于2026年9月在arXiv发表研究，提出了基于可学习信息增益的整体分析框架。该框架利用小语言模型拟合上一轮数据，并采用负对数似然评估新生成数据的信息增益。在此基础上，研究团队进一步推出了自适应训练调控方法ATRI，该方法能够实现轮内样本重加权，并在信息增益过低时进行跨轮停止训练。目前，ATRI的有效性已在公开数据集上得到验证。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
研究者提出基于信息增益的ATRI框架，可调控LLM自我进化并防止退化。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 自然语言处理当更新不再带来学习：通过可学习信息增益重新审视 LLM 自我进化
针对大语言模型利用自身生成数据迭代时出现的自我进化退化问题，研究者提出基于可学习信息增益的整体分析框架。该方法通过小语言模型拟合上一轮数据并使用负对数似然评估新数据增益，据此推出自适应训练调控方法 ATRI。ATRI 可在轮内重加权样本并在信息增益过低时跨轮停止训练，在公开数据集上验证了其有效性。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。