AI 開始學會「自己變強」了嗎？ 近期一項來自史丹福大學博士生的研究展示，引起 AI 圈高度關注。原因不只是技術新穎，而是它碰到了一個長期被討論、卻始終難以真正落地的核心問題：AI 能否在沒有大量人工重新標註、頻繁人工介入的情況下，持續改善自己的能力？ 這套被形容為「持續自我提升」的架構，吸引了包括 OpenAI 與 Meta 相關人士的注意。對外界而言，這不只是又一篇研究論文，而是可能改變未來模型訓練、部署與產品更新方式的一個方向訊號。 如果這條路走得通，AI 的成長模式可能不再只是「大公司蒐集更多資料、砸更多算力、定期推出更大模型」，而是朝向另一種更像學習系統的形態發展：在使用、反思、修正與再學習中逐步進步。 所謂「持續自我提升」，到底在講什麼？ 一般人熟悉的 AI 升級方式，多半是團隊蒐集新資料、重新微調模型、做評測，再發佈新版本。這種模式有效，但有幾個明顯限制： 高度依賴人工標註與工程團隊 更新週期往往較長 很難針對真實使用中的新問題即時調整 模型上線後，學習能力通常是相對靜態的 所謂「持續自我提升」，重點就在於讓模型不只是回答問題，而是能夠在任務過程中產生回饋迴路。簡單來說，它可能會包含幾個關鍵步驟： 先執行任務或產出答案 檢查結果是否合理、是否出現錯誤...