找找2023届毕业生中，哪些州的ACT考试参与率达到或跨越50%，且平均综合分数在20分及以上。并给出这些州中，各州学生达到科学基准的比例。 这么看来，它可能真不是为了造工具而造工具，而是真的像人一样，在工作过程中沉淀出了一套方法论，并且能在不同任务之间迁移。 普通自进化，大都发生在训练阶段。高度依赖高质量外部监督信号，必须有专家提前选定进化领域，一个模型出题或标注好答案，再让新模型基于这些标注题目，开始最大化目标函数的进化。 不需要外部监督，也没有真值，光靠模型推理时的内部反馈，以及上一次交互中积累的经验，就能蒸馏出可复用的通用技能。 人类基于地球资源制造的一切奇观，都是以新的生产工具为基础。AI也一样，积累再多上下文，没有铲子，也只能坐在金矿上发呆。 为了能更好地监测Agent的进化情况，团队还引入了个叫「测试时收敛」（Test-Time Convergence）的定量指标，作用和传统优化中的Training Loss类似，方便直观感受AI的学习情况。 齐炜祯曾任中关村人工智能研究院研究员、中关村大模型博士培养方向导师。现在虽然投身AI创业，但仍以兼职身份担任中关村的科研共建导师。 他是MTP架构（ProphetNet）的第一作者。这套多词元预测方法，在Meta研究机构FAIR 2024年的高影响力论文 Better & Faster Large Language Models via Multi-token Prediction中，齐炜祯第一作者研发的ProphetNet，被明确视为提出多Token预测架构的原创来源和定义出处。 本科毕业后，他成为中科大与微软亚洲研究院的联培博士生，在这里积累了大量偏工程落地、以实际应用为导向的科研经验。 这篇论文的一作有两位，都是在云玦科技实习期间参与的这项工作。李昊天，哈工大博士生，杨释钧，中科大硕士生，他们在此之前都有多段大厂的实习经历。 LLM虽能处理开放性问题，但幻觉始终是硬伤，这在金融、医疗等场景下是不可容忍的。更别说，还要时刻面对防不胜防的提示词注入攻击。 甚至工作流也能自进化，通过模拟大量长尾场景，靠自我博弈与经验蒸馏，不断生成新的策略组合，探索各种工具组合路径。 而一旦某条路径被反复验证有效，它还会被「固化」为静态模板。遇到用户请求，Agent可以优先匹配这些模板，如果合适，直接填参数执行即可，无需再跑一遍昂贵的大模型推理。 所以，就算Linux最开始只有1000个社区成员，他们每天能贡献的代码量也是相当恐怖的；而Linux每一次进化，又会吸引更多开发者参与，这是典型的网络效应