零数据预训练：两个模型自博弈生成数据即可学到 ICL
burny_tech · x · 2026-09-27
Michaely 等人发布「Self-Play Pretraining with Zero Data」概念验证研究：两个模型从随机初始化出发，一个生成器为通用图灵机提出程序，另一个学习器在其输出上训练，全程不使用任何真实数据。
关键结果：
- 在图像、文本、音频、旋律上的 zero-shot 验证损失随自博弈计算量可预测地下降；
- 学习器自发发展出 in-context learning（上下文学习）能力。
转发者 ericho 称这支持了「普适性」假说——即使训练数据与方式不同，不同神经网络也会演化出类似的特征与回路。研究由 AdityaCowsik、KfirDolev 共同主导，合作者包括 Noah Goodman、Yoav Levine 等。
「研究」频道最新
- UMAP 0.6 发布:300 万篇 arXiv 论文 5 分钟内完成降维 — leland_mcinnes · 2026-11-11
- Sakana AI 与 Pathway 对谈实录：后 Transformer 时代 AI 与大脑的关联 — kaixhin · 2026-11-11
- METR 回应质疑:AI 提速结论基于大量未公开数据 — peterwildeford · 2026-11-11
- RL 攻防双环境:训练 AI 植入后门与检测后门,收敛点成谜 — DimitrisPapail · 2026-11-11
- UniPath 被 NeurIPS 2026 接收：单模型自适应协调理解与生成 — jindong_wang92 · 2026-11-11
- 前 Astra 成员创业做 real2sim2real：机器人仿真光『看得真』不够 — abhishekunique7 · 2026-11-11