麻省理工搞出会自学的AI，语言模型真能自己长脑子了

Meise

麻省理工学院那群聪明人真折腾出新花样了。他们最近搞出一套叫SEAL的AI系统，能让现有语言模型变成会自主学习的"活物"。这玩意儿在6月27日被公布在论文平台arXiv上，全名叫"自适配语言模型"，主要突破就一句话：让AI自己琢磨新知识，不用人类插手也能持续进化。

现在大部分AI都挺死板的——训练完就定型了，像被钉在标本框里的蝴蝶。MIT博士生帕里（Jyothish Pari）点出关键："企业系统不能只会查数据，得会自己长本事！"SEAL的操作就像给AI装了个大脑：先是自我梳理，把新信息嚼碎、生成案例、调整参数；紧接着做快检，用新参数跑个微型训练测试性能，真变聪明了才保存更新。

实际效果够吓人：7B参数版通义千问模型做无参考问答，准确率从33.5%大跳到47%；处理高难度ARC逻辑谜题更夸张，原始成绩不到25%，用SEAL飙到72.5%。这相当于AI突然开窍，懂得遇事先反思重点，用自创案例来补课，把日常接触的信息都转化成学习素材。

要说实用前景实在诱人：未来聊天机器人能记住你喝咖啡不加糖，还不用上传隐私数据；开发工具可以跟着项目需求自己调整；哪天网上没新资料了，AI还能自己编教材继续学。不过团队明说有三道坎：首先是"学新忘旧"的老毛病，升级后的AI渐渐忘掉早期技能；其次是耗资源，每次自我升级要30-45秒做优化，电费账单怕要暴涨；最麻烦是可能学歪——现有测评只看答案像不像人话，Reddit用户试过用错误但流畅的答案糊弄系统，结果AI当真了还死记硬背。

这帮科学家现在忙得够呛，要在记忆保鲜、知识验真、控制成本三个维度找平衡。人类和机器思维的边界，搞不好真要重新定义了。

（注：实验数据引自MIT原始论文；通义千问模型准确率提升指Qwen 2.5-7B）

月色清秋

以后面对的，不知道是现实还是虚拟