OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理
PMinervini · x · 2026-10-28
OpenSIR（Open-Ended Self-Improving Reasoner）提出一个开放式自博弈（self-play）框架，让 LLM 在没有任何外部训练数据的情况下自我提升数学推理能力。
核心机制是一个单一策略在「出题者」与「解题者」间交替，协同进化：
- 出题：Teacher 生成多样且难度适中的新问题，要求与已有问题「概念上不同」，存入 Problem Pool；
- 解题：Student 对每个问题逐步采样多个解答；
- 打分：奖励由两部分构成——新颖性（难度 + 多样性加权，确保问题既有挑战又可解、能探索新概念）与正确性（多数采样结果的对错）；
- 更新：用综合奖励更新模型，进入下一轮迭代。
整个流程完全无监督，靠「难度×多样性」驱动开放式的持续自我改进。
「模型」频道最新
- Meta 开源级翻译系统 Omnilingual MT 覆盖 1600 种语言 — kalyan_kpl · 2026-10-28
- LFM3-1.7B 无审查 GGUF 权重上线 Hugging Face — kalyan_kpl · 2026-10-28
- OpenRouter 周token量一年涨27倍至165万亿，开放模型占72% — FinanceYF5 · 2026-10-28
- 曝特斯拉 Optimus 数据采集：40 相机动捕服三班倒运转数月 — Scobleizer · 2026-10-28
- FrontierMemory 基准榜：Letta Dream 得 73.3% 居首，超 OpenAI 与 Claude agent — afurgs · 2026-10-28
- xAI 疑更名 SpaceXSI,官网上线 Grok 4.7 与统一多模态 API — RachelVT42 · 2026-10-28