本文提出了噪声-意义递归自我改进（N2M-RSI）模型，旨在解决AI代理输出作为输入后内部复杂性无界增长的问题。该模型结合了自我提示大语言模型与自动机器学习的理念，研究表明实例间的通信可能产生超线性效应。

通过自我提示的新视角，利用SAM的嵌入空间，在医学视觉应用中取得了竞争性的结果，改进超过15%。