标签:递归自我改进
- 笔记 RSI 视角下训练与推理的关系
把递归自我改进的每一轮拆成推理侧的发现算子和训练侧的固化算子,推导两者的成本、上限与耦合方式,讨论改进在存储层级中的下沉、训练与推理边界的移动,以及决定循环加速还是收敛的约束。
- 笔记 递归自我改进:概念、结构、发展层级与爆发条件
说明递归自我改进与元学习、AutoML、自我对弈等相近概念的区别,闭环结构与其中关键的独立评估器,发展层级、各级所需的模型能力与当前所处层级,以及与人类的对比和可能爆发的原因。
把递归自我改进的每一轮拆成推理侧的发现算子和训练侧的固化算子,推导两者的成本、上限与耦合方式,讨论改进在存储层级中的下沉、训练与推理边界的移动,以及决定循环加速还是收敛的约束。
说明递归自我改进与元学习、AutoML、自我对弈等相近概念的区别,闭环结构与其中关键的独立评估器,发展层级、各级所需的模型能力与当前所处层级,以及与人类的对比和可能爆发的原因。