Apple发布RLTL;DR自我改进方法

2026年10月1日，Apple Machine Learning Research 发布研究 RLTL;DR，提出一种让模型通过内化自生成反馈实现自我提升的方法。据该来源介绍，其做法是：在每次失败尝试后，向策略展示验证器输出，让模型自行写出一条 TL;DR 式反馈；后续 rollout 以历史反馈为条件，并对上下文中的反馈做反向传播，从而内化“任务→反馈”的映射。该报道未提及适用模型范围、是否收费或额度限制、地域及使用限制等条件。目前事件仍处于论文发布阶段，尚无后续跟进报道，也未出现与早先报道相矛盾的数字或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。