标签
一篇论文介绍了 A-RSI（用于自我改进的自适应任务刷新），这是一种通过在训练过程中自适应地刷新任务，实现零数据多模态自我改进的方法，无需新增人工标注数据。
该推文介绍了一种名为 Self-Play Pretraining with Zero Data 的研究概念，其中两个模型从随机初始化开始，通过在通用图灵机上进行自对弈生成预训练数据。
这篇文章介绍了零数据自我对弈预训练，这是一种研究方法，其中两个LLMs从随机初始化开始，通过一个生成器为通用图灵机提议程序来学习，展示了归纳偏置如何能够实现一般性学习。
本文实证研究了使用非对话信号生成的合成数据自举对话推荐系统，证明了在低资源环境下，其性能优于零样本和稀缺真实数据方法。
LURE引入了一种用于LLM推理的零数据自我对弈框架，该框架使用追逐-逃避游戏来动态调整任务难度并提供密集奖励，在多种环境中超越基线。