IXThinker·2025-06-02 13:50

CMU提出自獎勵訓練 模型無需人類標註自進化

數據枯竭正成為通向AGI路上的重大絆腳石。CMU團隊聯同獨立研究員提出自獎勵訓練SRT，讓大語言模型在無需人類標註的情況下自我進化，初期性能已逼近傳統強化學習。

數據瓶頸

互聯網數據不夠用，已成為通往AGI最大的絆腳石。DeepSeek-R1與OpenAI的o系推理模型問世後，不再單純依賴人類標註的標準答案，而是嘗試以強化學習實現破局。