MIT 发布 SEAL 框架，让 LLM 自我改进

来自 Synced · 期号 2025-06-16

摘要

大模型训练完后，能力就固定了。想让它变强，通常得重新训练或微调。 MIT 提出的 SEAL 框架换了一种思路：让模型通过强化学习，自己学会修改自己的权重。模型在推理时生成权重更新，再用 RL 信号判断这次更新好不好，从而不断自我改进。论文附了开源代码。