Forscher am MIT haben mit SEAL ein Framework entwickelt, das KI-Modelle befähigt, autonom eigene Trainingsdaten zu erzeugen und ihr Wissen ohne menschliches Zutun zu aktualisieren. Dieses System steigerte die Faktenabrufgenauigkeit um 40% und übertraf GPT-4.1 in Tests mit selbstgenerierten Daten. SEAL arbeitet mit einer dualen Schleife aus Lesen, Selbst-Editieren, Feinabstimmung und Verstärkendem Lernen, was kontinuierliches Lernen ermöglicht. Die Technik wurde unter MIT-Lizenz veröffentlicht, stellt aber Herausforderungen wie das Risiko des Vergessens früherer Kenntnisse dar.