SPSD：MuZero 自博弈搜索蒸馏让 LLM 数学成绩 24.1 升至 36.6
PMinervini · x · 2026-11-04
Self-Play Search Distillation（SPSD）论文提出：让 MuZero 专家在棋盘游戏上通过自博弈训练，再把其搜索过程蒸馏成 LLM 的推理轨迹。
- 蒸馏出的推理能力可迁移到未见过的游戏，以及数学任务：成绩从 24.1 提升至 36.6。
- 团队此前还探索过将 MCTS 轨迹蒸馏进 LLM 以改进推理，作者指出两条思路正在跨领域汇聚。
「研究」频道最新
- Stanford 学者 Nature 撰文：AI agent 正在进入湿实验室 — james_y_zou · 2026-11-05
- Hamel Husain：benchmark 正被当信用分使用，批评它没有错 — HamelHusain · 2026-11-05
- ArkenOS 改用 Rust 重写，为更多并行 agent 腾出空间 — _AustinCalvert_ · 2026-11-05
- CoRL 论文 GUILD：家用机器人该采集什么辅助任务数据 — RobobertoMM · 2026-11-05
- TAMPAgent 登陆 CoRL：编程 agent 结合 TAMP 实现长时程移动操作零样本执行 — dhadfieldmenell · 2026-11-05
- STOC 2027 收到1665篇投稿，约75%论文报告使用AI辅助证明 — fortnow · 2026-11-05