AI前沿：从自我奖励到因果推理的突破

本期《TAI快报》深入探讨了五篇AI前沿论文，涵盖语言模型的自主学习、神经网络在线学习、上下文处理机制、机器人长上下文策略及因果推理偏见：

1. Self Rewarding Self Improving：提出语言模型通过自我判断实现自主改进，利用“生成器-验证器差距”构建闭环学习系统，Qwen 2.5 7B模型在积分任务上超越GPT-4o，但需警惕奖励作弊风险。
2. Online Learning of Neural Networks：研究符号激活神经网络的在线学习，揭示错误界与第一隐藏层间隔的关系，提出多索引模型和全局大间隔假设以克服维度诅咒。
3. Llama See, Llama Do: A Mechanistic Perspective on Contextual Entrainment and Distraction in LLMs：发现语言模型的“上下文同步”现象导致分心，定位“强化头”并通过干预缓解问题，为提升模型专注力提供新思路。
4. Learning Long-Context Diffusion Policies via Past-Token Prediction：通过“过去词元预测”增强机器人长上下文策略，成功率提升3倍，训练效率提高10倍，适用于需要历史信息的复杂任务。
5. Language Agents Mirror Human Causal Reasoning Biases. How Can We Help Them Think Like Scientists?：揭示语言模型的“析取偏见”类似人类成人，提出假设采样方法使其推理更科学，适用于需严谨推理的场景。

完整推介：https://mp.weixin.qq.com/s/AdhPB4m1zFiaVgT5QlOCaw