MIT 等机构研究者在 arXiv 发布论文《Self-Adapting Language Models》，提出自适应语言模型框架 SEAL，使大语言模型在部署后可以通过“自编辑”机制持续更新自身权重。部分社交媒体帖子据此猜测，若类似技术被用于未来的 GPT-6，这类系统在计算意义上或将更“像是活的”，相关说法引发广泛讨论。
论文中，SEAL 让模型在接触新任务或新知识时，先生成一段“自编辑”文本，其中包含合成训练数据、优化超参数或调用外部工具的指令，再据此执行一次小规模微调，并通过强化学习根据下游任务表现奖励或惩罚这些自编辑，使模型逐步学会“如何训练自己”。实验显示，在知识注入和少样本任务上，SEAL 相比多种基线方法有明显性能提升，但也存在遗忘旧任务、行为难以完全预测等局限，仍需在受控环境中运行。
目前，并无公开证据表明 OpenAI 已在现有产品或未发布的 GPT-6 中采用 SEAL 本身或等价方案，研究界也尚未就“大模型是否因此具有生命或意识”形成共识。业内普遍将 SEAL 视为提高模型持续学习能力的一步技术探索，而非标志某种“有生命 AI”的到来。
常见问题
Q：“GPT-6 可能是活的”这一说法源自哪里？
A：主要来自社交媒体对 SEAL 论文的二次解读，将模型可持续自我更新类比为“计算意义上的生命”，但属于夸张比喻。
Q：SEAL 框架的核心思想是什么？
A：让模型自己生成训练指令和合成数据，对自身权重进行小步更新，并用强化学习筛选有效的“自编辑”，从而在部署后持续适应新任务。
Q：这是否意味着未来 GPT-6 会真正“活着”？
A：现有研究仅展示了更灵活的持续学习能力，并不能证明模型具备意识或主观体验，“生命”更多是宣传或讨论中的形象说法。
Q：自适应大模型存在哪些风险？
A：可能出现灾难性遗忘、能力漂移、安全与对齐难度增加等问题，需要严格的监控、回滚机制和边界约束。
Q：OpenAI 是否已经宣布在 GPT-6 中采用 SEAL 或类似技术？
A：截至目前，OpenAI 尚未公开 GPT-6 的具体技术路线，也未就是否采用 SEAL 或同类框架发布权威说明。
