self-improvement — AI Digest

18 июл OpenAI представила GPT-Red — внутреннюю модель для автоматизированного red-teaming защиты от prompt-injection OpenAI research
15 авг DarwinX: эволюция агентских харнесов через естественный отбор Salesforce AI Research research
12 авг Ouroboros: самостоятельно развивающийся кодинг-агент, эволюционирующий через проверяемые коммиты research
5 сен Repo-To-Skill: дистилляция GitHub-репозиториев в переиспользуемые AI-скиллы research
10 сен NeoHorse-1: рекурсивное самоулучшение через агентное пост-обучение TokenRhythm research
16 сен Dream-RSI: рекурсивное самоулучшение через эволюционирующие миры Google research
6 мая Ctx2Skill: фреймворк самосовершенствования для автономного обнаружения навыков из контекста в LLM research
2 авг Frontis-MA1: обучение модели AI4AI для рекурсивного самоулучшения в машинном обучении Horizon Research, Frontis.AI, Tsinghua University research
5 авг Progressive Agent Skill Generation via Reinforcement Learning (Skill-α) The Chinese University of Hong Kong research
13 авг On-Policy Self-Distillation without Any Supervision research
13 авг Macaron-V1: к открытому непрерывному обучению с самосовершенствованием и Mixture-of-LoRA research
20 авг Zetta ζ: эффективный closed-loop embodied-каркас для самоэволюционирующего физического интеллекта Air Embodied Brain (multi-institution, 15 authors) research
9 июл Рекурсивное самосовершенствование в ИИ: обзор 1250 статей с таксономией по силе верификации research
16 июл KnowAct-GUIClaw: самообучающаяся память и библиотека навыков для кросс-платформенных GUI-агентов Harbin Institute of Technology research
21 июл Recursive Harness Self-Improvement (RHI): доработка агентных «обвязок» по обратной связи от выполнения Sakana AI research
24 июл AREX: к рекурсивно самосовершенствующемуся агенту для глубоких исследований Beijing Academy of Artificial Intelligence (BAAI) research
3 авг От RLVR к RLSVR: преобразование задач порождает самопроверяемые вознаграждения для самосовершенствования LLM в открытых доменах research
11 авг Macaron-V1: к открытому непрерывному обучению с самоулучшением и Mixture-of-LoRA Mind Lab research
1 сен Действительно ли on-policy дистилляция дистиллирует? Безучительская OPSA обгоняет её на AIME24 Purdue University research
1 сен Обзор: масштабирование reasoning-моделей за пределами человеческой супервизии по пятиуровневой лестнице автономии research
9 сен FlowBalance: самосовершенствование reasoning-моделей с опорой на верификатор research