Meta新范式让AI自己悟大模型开始反思自己Meta提出AI训练新范式，不靠奖励

Meta新范式让AI自己悟大模型开始反思自己

Meta提出AI训练新范式，不靠奖励也能学——也就是AI自己开悟。

传统训练AI的方法有两种，要么让它学人类专家的操作（模仿学习），要么给它设奖励机制（强化学习）引导它摸索。

但这两种方式都有问题：前者难以扩展，后者成本太高，而且很多场景根本没有“奖励”可言。

现在，Meta联合俄亥俄州立大学提出了一个新方法：Early Experience。它不需要奖励、不靠人类专家，而是让AI自己探索，然后从自己做出的“动作→结果”中学习。

这套方法主要分为两种实现：

- 一种叫Implicit World Modeling，AI去预测“我如果做了另一个动作，会发生什么”，相当于脑内预演；

- 另一种叫Self-Reflection，AI会反思“为啥我选的这个操作不如专家那个”，并用自然语言总结原因，作为自己的训练数据。

实验结果显示：

- 在WebShop这类复杂网页操作任务中，成功率提升了+18.4%；

- 在TravelPlanner这类规划任务中，提升高达+15%；

- 总共在8个环境里测试，所有任务都优于传统模仿学习。

关键是，它还解决了AI训练中的“冷启动”问题：就算只有1/8的人类数据，也能跑出比完整模仿学习更好的效果。

网友评论道：这是AI从“你教我做什么”进入“我先试试看，然后自己悟”的时代。