Нов метод дава възможност на изкуствения интелект да се учи от своя опит и да прехвърля знанията си към други модели

Учени от университета Цинхуа и ByteDance представиха нов метод за обучение на изкуствения интелект, който позволява на моделите да се учат от собствения си опит, без да губят предварително усвоените знания. Системата FLEX („Forward Learning with Experience“) създава „библиотека на опита“, в която изкуственият интелект записва действията си, като анализира както успехите, така и грешките. Този подход дава възможност на моделите от различни производители да обменят опит и да се учат един от друг.

Големите езикови модели остават статични: те не помнят предишните грешки и не могат да се самоадаптират след обучаването. Методът FLEX променя това, като създава динамична „библиотека на опита“, в която изкуственият интелект съхранява стратегическите принципи на високо ниво, разсъжденията на средно ниво и фактическите знания на ниско ниво. Библиотеката има „златна зона“ за успешните стратегии и „предупредителна зона“ за неуспешните подходи. Преди да реши нов проблем, моделът се обръща към тази библиотека.

Принципът на работа на FLEX се състои от три етапа. Първо, „актьорът“, агентът с изкуствен интелект, се опитва да реши проблема. След това „критикът“ и „актуализаторът“ оценяват опита, като записват успешните и неуспешните стратегии. Накрая уроците се преобразуват в структурирани записи в библиотека за опит. Основният „мозък“ на модела остава непроменен – подобрява се само директорията със знания, което позволява на ИИ да се развива непрекъснато без скъпоструващо преквалифициране.

Изследователите тестваха FLEX при решаването на научни задачи. В трудния математически тест AIME25 точността на Claude-Sonnet-4 нарасна от 40% на 63,3%. При задачите по химия в USPTO50k резултатите на модела се подобриха от 20 % на 30 %. С други думи, ученето от опита наистина подобрява интелигентността на изкуствения интелект.

Едно от ключовите предимства на FLEX е „унаследяването на опита“. Библиотеката се създава отделно от параметрите на модела, така че може да се прехвърля между различните агенти. В един от експериментите библиотеката с опит, създадена от мощния модел Claude-Sonnet-4.5, беше прехвърлена към модела Gemini-2.5-Pro. В резултат на това представянето на Gemini върху задачите по химия се подобри с 11 точки. В същото време дори по-слабите модели могат да прехвърлят знанията си на по-силните. Библиотеката улавя фундаменталните стратегии на високо ниво, а не конкретни отговори – по същество тя натрупва „мъдрост“.

Този подход открива пътя към „колективната интелигентност“ на големите езикови модели. Изследователите предлагат да се създаде универсална библиотека на опита, която да обобщава знанията на множество модели, за да се подобри ефективността в екосистемата на изкуствения интелект.

FLEX също така решава проблема със скъпия и рискован метод за обратното разпространение на грешките, който често е водил до „катастрофално забравяне“, когато новите знания изместват старите. Неотдавна и Google представи нов подход към машинното обучение, който позволява на моделите да усвояват нови задачи, без да губят придобитите по-рано умения.