有界递归自我改进框架降低角色扮演坏回复率
热点事件观察中
有界递归自我改进框架降低角色扮演坏回复率
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者Y. L. Li提出一个有界递归自我改进（RSI）框架，用于修订原创角色记忆、稳定人格指令并构建逐轮提示词策略，修复结果还会反馈到更新器的诊断规则、编辑路由与候选选择。据其内部评测，覆盖50个原创角色和5个模型、每个角色-模型组合进行两轮100轮对话，合并回复的坏回复率从14.00%（6,973/49,824）降至4.94%（2,459/49,793），相对下降64.71%。 在600次盲测人工对比中，RSI获294胜、187平、119负，分出胜负的判断中胜率为71.19%。报道称，该结果支持完整框架在内部测试分布上提升整体对话质量。
AI 根据报道生成 · 3 小时前更新
最新进展11月5日 13:28
有界递归自我改进框架用于长程角色扮演对话，坏回复率从14.00%降至4.94%报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.CL精选有界递归自我改进框架用于长程角色扮演对话，坏回复率从14.00%降至4.94%
研究者提出一个有界递归自我改进（RSI）框架，用于修订原创角色记忆、稳定人格指令和逐轮提示词构建策略，修复结果还会反馈到更新器的诊断规则、编辑路由与候选选择。内部评测覆盖50个原创角色和5个模型，每个角色-模型组合进行两轮100轮对话，合并回复的坏回复率从14.00%（6,973/49,824）降至4.94%（2,459/49,793），相对下降64.71%。在600次盲测人工对比中，RSI获得294胜、187平、119负，在分出胜负的判断中胜率为71.19%。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 511月6日 13:00
- 近 24 小时变化
- –
0246
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。