自博弈搜索蒸馏 SPSD:把棋盘搜索记录变成超人类思维链

Lorenzo Molfetta · hf · 2026-09-30

SPSD(Self-Play Search Distillation)框架用 MuZero 式网络在棋盘游戏中自博弈,通过可执行环境把搜索过程转化为结构化推理问题,生成「超人类」合成数据。

所属事件:SPSD 论文:自博弈搜索蒸馏提升 LLM 推理(3 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →