self-improvement scientific computing knowledge consolidation procedure synthesis
摘要

大型语言模型在解决科学计算任务时,单次执行反馈难以转化为持久能力。本文研究科学计算经验巩固,旨在将验证后的运行时经验转化为可迁移的过程知识与持久的模型改进。针对轨迹 artifacts 编码特定修复及弱模型无法操作抽象过程的“抽象 - 执行差距”挑战,提出 SciConsolidate 框架。该方法通过对比成功与失败诱导跨任务过程,利用无答案查询合成扩展数据,并由强模型将抽象过程具体化为可执行代码以监督弱模型训练。实验表明,经过程指导的具体化显著提升了弱模型的性能,确立了从经验到能力的转化路径。

AI 推荐理由

论文核心研究如何将执行经验转化为持久能力,实现模型的自我改进与持续学习。

研究机构
Wenge AI
论文信息
作者 Liwei Dong, Jiahao Zhao, Nan Xu
发布日期 2026-07-27
arXiv ID 2607.24459
相关性评分 9/10 (高度相关)