报告主题:Mila&千问|HarnessRL 探索递归自进化

报告日期:10月29日(本周四) 10:30-11:30
报告要点:

AI能否自己改进“让自己变强的方法” ?

这是我们探索递归自进化(RSI)的出发点。新工作 HarnessRL 从后训练入手,让模型在学习的同时,也改进训练它的方法,使模型能力与训练方法协同进化。HarnessRL 为强化学习后训练引入可自适应的训练期 harness,让数据采样、探索方式和奖励标准随模型能力一起调整,在提升效果的同时降低训练总成本。

其中两个关键设计是训练期记忆与即时(Just-in-time)验证:记忆记录模型的输出、奖励评分,以及历次训练配置修改及其效果,为下一次调整提供依据;验证器则在当前模型上即时测试候选调整,通过验证后才用于后续训练。

报告论文:https://arxiv.org/abs/2610.26426v1

报告嘉宾:

王晓强,加拿大蒙特利尔大学(Université de Montréal)计算机科学博士生,Mila 人工智能研究所研究成员,师从刘邦教授。本科及硕士毕业于浙江大学。研究方向聚焦大语言模型记忆(LLM Memory)、递归自我改进(Recursive Self-Improvement)与自演化智能体(Self-Evolving Agents),致力于探索大模型的持续学习与自主进化机制。以独立第一作者身份发表顶会论文 8 篇,参与的研究成果中有 2 篇入选国际学术会议 Oral 报告。曾于 ServiceNow AI Research 从事研究实习,现于阿里巴巴 ATH Token Foundry(原通义实验室)Qwen Character 团队开展大模型后训练与智能体相关研究。

点上方预约,开播有提醒

内容中包含的图片若涉及版权问题,请及时与我们联系删除