牛透社 10 月 13 日消息，麻省理工学院（MIT）超现实 AI 实验室团队发布自适配大语言模型技术 SEAL，该技术通过双重循环架构实现 LLM 自主优化，内循环基于自我生成的”知识重组、逻辑推导”指令监督微调，外循环通过强化学习筛选有效优化策略。

核心突破包括：在 SQuAD 基准测试中无上下文问答准确率提升 13.5%（33.5% → 47.0%）；ARC 隐藏任务少样本学习准确率从基线 20% 提升至 72.5%；采用 LoRA 参数高效微调技术降低计算成本。技术采用 MIT 商业友好许可协议开源，最新论文与代码已于上月发布。