IXThinker·2025-04-25 12:00

免標注測試時強化學習 助模型數學能力升159%

清華大學與上海AI實驗室周伯文團隊提出在測試時進行強化學習的方法，毋須任何數據標注：訓練數據全部由被訓練的模型自身生成，結果多個數據集成績大幅提升，Qwen-2.5-Math-7B的AIME 2024競賽題成績更直接提高159%。

方法特點

這項方法的特別之處在於完全毋須外部標注數據，強化學習所需的訓練數據由模型自身生成，屬於測試時的實時自適應訓練。這種設計大幅降低對人工標注的依賴，令模型能在特定任務上快速自我強化。