AnchorLoop låter AI-agenter lära sig av sin egen historia

arXiv cs.AI

Forskare har tagit fram AnchorLoop, en träningsmetod där en AI-agent jämför sina nuvarande svar mot en fryst kopia av sig själv från föregående träningsrunda – ungefär som att ha ett äldre jag som referenspunkt. Metoden förbättrar prestandan med 2,5% på matematisk resonemang och 2,8% på generell resonemang jämfört med baslinjen, och håller inlärningen igång längre utan att plana ut. Det smarta är att det inte krävs någon extern data eller mänsklig handledning – agenten bootstrappar sin egen förbättring.