MIT研究人員開發(fā)出自適應(yīng)語言模型(SEAL)框架,讓大型語言模型能夠持續(xù)學(xué)習(xí)并通過更新自身內(nèi)部參數(shù)進(jìn)行適應(yīng)。SEAL教會模型生成自己的訓(xùn)練數(shù)據(jù)和更新指令,永久吸收新知識并掌握新任務(wù)。該框架采用雙循環(huán)系統(tǒng)和強化學(xué)習(xí)算法,讓模型學(xué)會創(chuàng)建個性化學(xué)習(xí)指南。在知識整合測試中準(zhǔn)確率達(dá)47%,在少樣本學(xué)習(xí)中成功率達(dá)72.5%。這對企業(yè)AI應(yīng)用具有重要意義,特別適用于動態(tài)環(huán)境中的AI智能體,但仍存在災(zāi)難性遺忘等局限性。