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：零数据自博弈学推理获多人力荐(3 条相关)→
「研究」频道最新
- AI 智能体日夜运转一个月,复现法国气象局 AROME 天气模型 — IgorCarron · 2026-11-11
- NYU 新方法:看人做 5 分钟家务,机器人就能学会擦桌子 — CyberRobooo · 2026-11-11
- 新预印本：以空间单细胞分辨率绘制早期器官发生的人类胚胎图式 — anshulkundaje · 2026-11-11
- OpticalRAG：文档渲染成图压缩至 16 个 token，三项基准压缩感知精度最佳 — kalyan_kpl · 2026-11-11
- 百度发布 ERNIE Evolve 自动研究系统,NanoGPT Speedrun 超公开最好成绩 — xiaohu · 2026-11-11
- Diffusion Week 2026 十讲全部公开:覆盖视频生成与世界模型 — LucaAmb · 2026-11-11