数据枯竭正成为AI发展的新瓶颈！CMU团队提出革命性方案SRT：让LLM实现无需人类标注的自我进化！SRT初期就能迭代提升数学与推理能力，甚至性能逼近传统强化学习的效果，揭示了其颠覆性潜力。
通往AGI最大的绊脚石，便是互联网数据不够用了！ DeepSeek-R1、OpenAI的o系推理模型出世，不再单纯依赖人类标注「标准答案」，而是通过RL实现破局。 但问题来了——当前，LLM依然需要人类设计「正确信号」来指导训练。 如果问题复杂到人类都不知道答案，这些AI就只能抓瞎了。 为此，CMU联手独立研究员推出一套「自奖励训练」（SRT）的全新方法，堪称AI「自我修行」的秘籍！
论文地址：https://arxiv.org/pdf/2505.21444
|
| |||||||||||||||||||||||||||||||||||||||||
点击朱笔，直抒胸臆