热点事件持续更新
研究团队提出多模态模型递归自我提升框架RSI
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究人员提出了一种用于统一多模态模型（UMM）的递归跨能力自我提升（RSI）方法。该方法通过让文本与视觉能力互相提供训练数据，并利用程序执行作为外部验证来源，以有效避免误差累积。实验结果显示，在图表基准 BasicChartBench 上，经过4轮 RSI 训练后，模型得分从 45.7% 提升至 60.2%，明显优于常规持续训练的 46.3%。此外，已验证程序占比从 48.9% 增长至 95.2%，读取准确率也由 55.6% 提升至 87.4%。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
研究团队提出递归自我提升方法RSI，在图表基准测试中显著提升多模态模型表现。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 自然语言处理统一多模态模型中的递归自我提升
研究提出统一多模态模型（UMM）的递归跨能力自我提升（RSI）方法，让文本与视觉能力互相提供训练数据，并利用程序执行作为外部验证来源以避免误差累积。在图表基准 BasicChartBench 上，4 轮 RSI 将得分从 45.7% 提升至 60.2%，而常规持续训练仅为 46.3%。同时已验证程序占比从 48.9% 升至 95.2%，读取准确率也从 55.6% 提升至 87.4%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。