DIVE：通过多样性驱动的技能演化释放冻结语言模型的自我改进能力

英文标题：DIVE: Unlocking Self-Improvement in Frozen Language Models Through Diversity-Driven Skill Evolution

论文提出 DIVE（多样性驱动演化）框架，旨在让参数被冻结的大语言模型从任务经验中持续改进。该方法通过演化可持久保存的自然语言技能，使模型无需进行参数更新也能积累部署后的经验。原文摘要指出，传统 LLM 若不更新参数，无法保留部署后的经验；DIVE 为开发者探索基于提示词、技能库和经验沉淀的持续优化路径提供了思路。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB