斯坦福等提出零数据自博弈预训练：两模型互搏可学出通用模式

斯坦福等机构研究者提出 Self-Play Pretraining with Zero Data：两个模型均从随机初始化出发，生成器为通用图灵机编写程序产生字节序列，学习器学习预测这些序列，生成器再不断产出能促使学习器进步的序列。实验显示，仅在这些自生成序列上训练，模型也能学出通用模式，完全无需真实世界数据。

2026-09-25 ~ 2026-09-26 · 2 条相关