港中大与阿里巴巴联合研发SCRIT系统，推动AI自我纠错与进化

在2025年COLM会议上，阿里巴巴Qwen团队与香港中文大学深圳分校、深圳大数据研究院联合发表了一项开创性的研究成果——《Self-Evolving Critique Abilities in Large Language Models》。这项研究提出名为SCRIT的新型框架，为AI系统赋予了类似人类的自我反思和纠错能力，标志着人工智能自我进化能力的重大突破。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

该研究从传统大模型的局限性出发：这些系统虽然能够处理复杂任务，但在自我纠错方面始终存在瓶颈，特别是在外部评判缺失的情况下。研究团队创造性地将这一技术挑战类比为培养学生的自主学习能力。不同于以往依赖人工标注或更强大监督模型的方法，SCRIT采用了革命性的对比学习机制，让AI通过分析正确与错误答案的差异来自主提升评判能力。这一创新方法在多项基准测试中都取得了显著成效：

• 在NuminaMath数据集上的准确率提升10.3个百分点
• 在PRM800K数据集上F1分数提高了19.0%
• 数学推理测试中表现尤为突出：GSM8K提升11.3%，MATH提升9.1%

支撑这项突破性成果的核心是其独特的训练数据体系。研究人员构建了涵盖小学到奥林匹克等级的45.2万个数学问题库，通过多模型协同生成了66.5万组带标签的问题-解答对。这些数据经过精心设计，确保每组都包含可供对比的正反例证。在实际应用中，SCRIT执行精确的"四步走"判断流程：

1. 解析标准答案的关键概念
2. 逐步检查待评判答案
3. 给出综合评价
4. 提供完整修正方案

特别值得一提的是该系统的自我验证机制：只有当修正建议能够推导出正确答案时，该评判才会被采纳。这一质量控制措施带来了明显效果：训练数据通过率从51.4%提升到91.8%（针对小学数学题），但同时也暴露出解决复杂问题的挑战——奥林匹克级问题的通过率仅为27.1%。

通过系统性的对比实验，团队揭示了几个关键发现：

• 数据规模与模型参数量均对性能有决定性影响
• 科学推理训练数据展现出惊人的跨领域迁移能力
• 错误样本占比越高的训练集反而能带来更好的检测效果

目前这项技术虽然主要应用于数学和科学等结构化领域，但其背后蕴含的原理为AI发展的未来指明方向——摆脱外部监督依赖，实现真正的自主进化。这不仅将重塑教育辅导、科学研究和质量管控等行业，更可能催生新一代具备完全自主学习能力的智能系统，为通用人工智能的发展奠定基础。