StudyBench：自我進化能否從教科書中轉化出奧運級能力？
為何重要
這項研究刺破了過度樂觀的自進化迷思，指出目前的基礎模型無法像人類閱讀教科書那樣，高效地吸收知識並轉化為複雜的自力思考能力。 對於開發者而言，*StudyBench* 提供了一個關鍵的監控指標，用以區分「死記硬背」與「理解原理」的差距；企業若想在未來突破 AGI 級別的推理天花板，可能必須跳脫目前的「資料餵養」模式，轉而尋找模仿人類認知學習過程的架構突破。
研究團隊推出 *StudyBench* 基準測試，直接量化自我進化方法將原始訓練材料轉化為問題解決能力的效率。
- 基準構建包含兩個測試集：「應用集」評估從困難教科書中學習的吸收能力，以及「轉移集」評估解決奧運級難度問題的遷移能力。
- 研究在 3 個基礎模型上測試了代表性的自我進化方法，發現大多數呼叫在「應用集」上的效能提升無法遷移至更困難的「轉移集」。
- 實驗暴露出「算力平臺期」現象與明顯的「指導差距」，暗示模型即便學習了大量資料，若無直接輸入提示仍有表現上限，且主要瓶頸在於演算法方法而非資料或算力。