ReTeach låter AI-modeller lära sig av sina egna misstag utan lärarmodell

arXiv cs.AI

Forskare har utvecklat ReTeach, ett system där en AI förbättrar sig själv genom att reflektera över sina egna felaktiga svar och försöka igen – utan tillgång till facit eller en separat, kraftfullare lärarmodell. Metoden bygger på att modellen växlar mellan att analysera sina misstag och göra nya försök tills den lyckas, och resultatet distilleras sedan tillbaka till en lättare version som kan köra utan denna process. Över sex olika testbenchmarks förbättrades precisionen med i snitt 1,39 procentenheter jämfört med baslinjen GRPO.