self-improvement

定義

モデルが自分の出力を使って学習データや振る舞いを改善していく枠組み。正誤を機械的に判定できる課題では、自力で解かせて正解した軌跡だけを再学習に回す手順が典型で、人手の注釈を減らす狙いがある。際限なく良くなるわけではなく、検証手段の質が上限を決める。

論文題名での読み方

自己改良ループ

この語が出てくる解説

• 論文解説: S³Gym — 自己テストと自己採点は、自己改善になるのかS3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement?
• 論文解説: FlowBalance — 検証器で接地した自己改善、自分の推論経験から分布を学ぶFlowBalance: Verifier-Grounded Self-Improvement from On-Policy Reasoning Experience
• 論文解説: PILOT in the Loop — 走っている最中に直す「ライブ自己改善」PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents