标签
NLD-Uni 提出一个统一的离散扩散大语言模型，通过跨范式在策略蒸馏和渐进式自我精炼扩散，将自回归 VLM 的视觉理解能力与连续流模型的视觉生成能力统一起来，在多项视觉理解与生成任务上达到统一 DLLM 中的最先进性能。
本文介绍了 Sebastian Raschka 在 YouTube 上发布的视频集，探讨 AI 推理技术，特别是对数概率评分和自我优化方法，以改善模型性能，无需重新训练。
本文介绍DENSE，一种将AI智能体执行轨迹蒸馏为基于证据的快捷树以实现自我优化的方法，在Terminal-Bench上无需事后结果标签即可实现性能提升。
本文介绍了经验链（CoE），一个通过测试时与自我和环境反馈的迭代交互来持续改进LLM的框架，在多个领域和模型中显示出一致的收益和更低的API成本。
对2024–2026年间1,250篇关于AI递归自我改进的论文进行了全面综述，提出了将有界自我优化与开放式递归自我改进相区分的分类体系，并分析了评估器设计空间和失败模式。
一种新方法FLORA（频率校正的有序秩对齐学习）通过基于原理的频率校正确对齐生成器和验证器模式，改进了LLMs。实验表明，在IFEval和HumanEval等基准测试上，G-V一致性和生成器性能均取得了显著提升。
本文研究了在多轮语言智能体场景中，自然语言反馈带来的改进是否超越了仅靠反复尝试所取得的提升。通过跨多个基准测试的受控学生-教师协议，作者发现自我生成的反馈几乎没有额外增益，而强大的外部教师则能带来显著更大的提升，并且学生根据反馈采取行动的能力是关键瓶颈。
Flow Reasoning Models (FRMs) 为离散流模型在结构化推理任务上引入了一个训练和测试时扩展框架。通过使用 self-verification 和 self-conditioning，FRMs 在 Sudoku 和 Zebra 谜题上达到了近乎100%的求解率，而所需的迭代次数远少于之前的基准模型。
本文提出了一种符号反馈驱动的迭代自我改进框架，以提高大语言模型在长周期规划任务中的鲁棒性和可靠性。该方法利用自然语言提示、符号验证器和计划识别器来增强可行性与正确性。
本文介绍了RePro，一个通过“先执行再反思”的展开范式训练LLM智能体自我生成进度信号的框架，在WebShop、ALFWorld和Sokoban基准测试上实现了高达12%的绝对成功率提升。
AutoMine是一种强大的自优化场景挖掘方法，利用LLM和VLM从自动驾驶日志中挖掘高价值场景，在CVPR 2026的Argoverse 2场景挖掘竞赛中取得了最高分数。