IXThinker·2025-03-01 09:50

自博弈定理證明器STP　證明成功率翻倍

研究人員提出自博弈定理證明器STP，讓模型分飾猜想者與證明者兩角、互相提供訓練信號，在有限數據下實現持續自我改進，多項基準測試達到最先進水平，證明成功率翻倍。

自博弈雙角色

STP讓模型分別扮演「猜想者」與「證明者」：猜想者提出數學命題，證明者嘗試證明，雙方互相提供訓練信號，形成閉環式自我改進。這種機制令模型在數據有限的條件下也能持續進化。