岗位描述
我们正在开展大模型递归自我改进（Recursive Self-Improvement，RSI）研究，关注模型如何利用任务反馈，自主生成和筛选数据、改进解题策略，并通过多轮训练持续提升能力。我们希望探索的不只是单次训练带来的提升，还包括模型能否参与改进自身的学习过程，以及这种改进在多轮迭代中是否有效。相关方法也将在金融、医疗领域的专业推理和复杂任务中进行验证。欢迎对模型自我改进、强化学习、合成数据或复杂推理感兴趣的同学加入。具体课题将结合你的研究兴趣和经验确定。 研究方向： 1. 模型自我改进方法研究 探索任务生成、数据筛 选、自我评估、自我纠错等方法，研究如何将模型自身的输出与任务反馈转化为有效的学习信号，支持多轮迭代改进。 2. 训练与反馈机制研究 结合监督微调、强化学习、验证器等方法，设计并实现自我改进实验。分析数据质量、反馈准确性和训练策略对改进效果的影响，探索减少人工干预的方法。 3. 持续改进能力验证 建立对照实验和评测任务，检验能力提升能否延续、能否迁移到新任务，分析迭代中的错误累积、能力退化及计算开销。完成论文复现、消融实验与结果整理，参与论文撰写或开源项目。 4. 金融、医疗场景研究 围绕专业问答、文献与数据分析、复杂任务推理等问题，验证自我改进方法的实际效果，关注专业准确性、回答依据与可靠性。