AI·新世界

当地时间周五，Meta 宣布其研究团队开发了一系列新的 AI 模型，其中最引人注目的是一款名为“自我训练评估器”的工具。这项创新有望大幅减少 AI 开发过程中对人类干预的依赖，标志着向更加自主的 AI 系统迈进了一大步。

自我训练评估器的工作原理

这款工具采用了类似于 OpenAI 最新发布的 o1 模型的“思维链”技术。具体来说，它通过将复杂问题分解为多个逻辑步骤，从而提高了在科学、编程和数学等高难度领域的答案准确性。Meta 的研究人员完全依靠 AI 生成的数据来训练评估器，彻底摆脱了人工标注的需求。

自主 AI 智能体的可能性

使用 AI 来评估其他 AI 的能力，展示了一个充满潜力的未来场景：自主的 AI 智能体可以从自身的错误中学习和改进。两位负责该项目的 Meta 研究人员表示，许多 AI 领域的专家都设想，未来可以开发出高度智能化的数字助手，这些助手能够独立执行各种任务，而无需人类的直接干预。

减少 RLHF 的需求

自我训练评估器的推出有望减少目前广泛应用的“基于人类反馈的强化学习”（RLHF）的需求。RLHF 过程通常既昂贵又低效，因为它需要专业人员来标注数据和验证复杂问题的答案。相比之下，AI 自我训练和评估的方法不仅成本更低，而且效率更高。

行业趋势

除了 Meta，其他科技巨头如谷歌和 Anthropic 也在探索基于 AI 反馈的强化学习（RLAIF）的概念。然而，与 Meta 不同的是，这些公司通常不会公开发布其研究模型，这使得 Meta 在透明度和开放性方面走在了前列。

展望未来

项目研究员之一 Jason Weston 强调：“我们希望，随着 AI 的发展，它能超越人类，逐渐具备自行检查工作的能力，并在准确性上超过普通人类水平。自我训练和评估的能力是实现超人级 AI 的关键因素之一。”