新论文：超越人类监督扩展大规模推理模型，通往超级智能的阶梯

Zhiqin Yang · hf · 2026-09-01

Hugging Face 上新发布的论文《Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence》提出了一条将大规模推理模型（LRM）扩展到人类监督之外的结构化阶梯（structured ladder）：核心思路是依赖自主奖励（autonomous rewards）与自我生成经验（self-generated experience）来驱动模型持续进化。论文同时系统识别了这一路径的风险，并给出了对应的评估维度，为后人类监督时代的模型扩展提供了框架性路线图。