Hugging Face · 每日论文· 媒体 / 作者来源·精选
语言模型学习改进语言模型
原文标题
Language Models Learn to Improve Language Models
AI 导读
研究提出LM2LM方法，通过强化训练大语言模型生成有效的语言模型改进方案。使用研究世界模型(RWM)提供可扩展反馈，并定期执行高排名提案以保持反馈可靠性。在八个自回归和扩散语言模型开发环境中，LM2LM使Qwen3.8-27B超越GPT-6-sol，即使后者拥有300个真实实验记录，且数据生成成本降低33%。该方法还能推广到训练期间未见过的模型家族。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
LM2LM实现了语言模型自我改进的高效方法，通过研究世界模型降低数据生成成本33%，并在多种模型开发环境中超越现有模型。
导读由模型辅助整理，非独立核验。完整信息见原文。