machine-studying

Jacob X. Li 讨论了人工智能系统需要从文档库中自主发展专业知识的需求，并将此视为一种具有挑战性的持续学习形式。

一条由@DSPyOSS和Jacob X. Li发布的推文，对比了机器学习（基于明确目标从数据中优化）与“机器研学”（从无下游任务的声明式语料库中学习），强调了AI系统迫切需要从非结构化文档中发展专业知识。

提出了一种名为“Machine Studying”的新型持续学习框架，其中AI系统能够自主从语料库中发展专业知识，并引入了StudyBench用于评估。

介绍“Machine Studying”作为一个问题，AI代理必须从语料库中自主发展专业知识，超越RAG或长上下文，并提出了StudyBench基准进行评估。

引入了“Machine Studying”概念，即从文档语料库中发展专业知识的问题，与持续学习不同。

Jacob Li 引入了 'Machine Studying' 作为持续学习中的一个新问题：AI系统如何仅凭文档语料库在不熟悉的领域发展专业知识，这与避免灾难性遗忘不同。

Jacob Li介绍了'Machine Studying'这一概念，将其视为一种独特且紧迫的持续学习形式，其中AI系统必须仅凭文档语料库在一个新领域发展专业知识。