MIT推出SEAL自适应语言模型，自主生成训练数据性能超GPT-4.1

麻省理工团队提出SEAL框架，使大语言模型能通过自生成微调数据和指令实现自我适应。该方法结合强化学习，以任务表现作为奖励信号，显著提升了模型在少样本学习（如ARC-AGI）和知识整合（如SQuAD）任务中的性能。实验表明，SEAL在无上下文SQuAD任务中将准确率提升至47.0%，优于GPT-4.1生成数据；在少样本设置下适应成功率高达72.5%。SEAL采用在线策略ReSTEM训练，确保模型稳定进化，展现出强大的泛化能力和自主优化潜力。
来源：https://mp.weixin.qq.com/s/ZvzVqAZQl11q866PUrH9QA