Absolute Zero Reasoner:零外部数据的自博弈推理范式引热议
cephaloform · x · 2026-09-26
cephaloform 在自博弈(self-play)话题热度中推荐其最爱的工作 Absolute Zero Reasoner(AZR)(arXiv:2505.03335,Andrew Zhao 等)。
- 范式:提出 Absolute Zero,一种全新 RLVR(可验证奖励强化学习)设定——单一模型自己提出能最大化学习进展的任务,再通过解决它们提升推理,完全不依赖任何外部数据,回应人类高质量数据稀缺与长期可扩展性问题。
- 实现:AZR 用代码执行器同时验证模型自提出的代码推理任务与答案,作为统一的可验证奖励来源,引导开放式但有落地的学习。
- 作者还提到该工作有一个「uh-oh moment」,常被解读为自博弈过程中出现的意外行为信号。
- 原文为 2025 年 5 月首发、10 月更新 v3 的论文,正值社区热议自博弈路线之际被重新推荐。
所属事件:Absolute Zero Reasoner 零外部数据自博弈推理受热议(2 条相关)→
「研究」频道最新
- 被 AI 抢发论文：物理学家团队称成果遭 Anthropic 撞车 — soumitrashukla9 · 2026-09-26
- 4B 决策模型 Mica 开源：8GB 显卡可跑，训练成本不到 30 美元 — Top-Evidence174 · 2026-09-26
- 定点自注意力 FPSA 获 NeurIPS 2026 接收，不改参数迭代精炼上下文 — PlisSergey · 2026-09-26
- Salesforce 发布 SFR-AutoR&D：AI agent 自主跑通研发全流程 — silviocinguetta · 2026-09-26
- 宾大团队单细胞空间图谱揭示肾脏发育微环境引导细胞命运 — arjunrajlab · 2026-09-26
- Claude 独立完成九圈粒子物理计算,研究者只说「继续」 — 141_1337 · 2026-09-26