一句话定位

模型自生成训练数据和更新指令,再依据更新后表现学习如何进行持久权重适应。

研究问题与动机

外部记忆保持模型权重不变,而新知识和任务有时需要改变权重。SEAL 研究让模型自己组织适应材料。

方法与机制

self-edit 可重述信息、指定优化超参数或调用数据增强工具;内层 SFT 造成持久权重改变,外层 RL 使用更新后的任务表现作反馈。

证据与结果

摘要讨论知识吸收与 few-shot 泛化。它是参数级自适应的一种路径,不能仅凭名称认定已实现开放式、长期稳定 RSI。

当前卡片依据 2025-09-18 的 arXiv 摘要与元数据;作者结论不等于独立复现。原始摘要和版本信息保存在一手来源快照。

局限与开放问题

需测遗忘、错误编辑传播、训练成本和回滚;外层选择与内层评估数据必须隔离。

关联与拓展

核验与阅读

  • [x] 原始标题、作者、日期及摘要回查 arXiv
  • [ ] 全文方法、结果表格、统计和成本协议逐项核验
  • [ ] 代码可复现性与独立复现
  • 一手来源