Google 与乌尔姆大学提出 On-Policy Self-Training：LLM 无需外部数据实现跨模态自我提升

Google 与乌尔姆大学论文提出 On-Policy Self-Training，一种数据无关的 LLM 自我改进框架：仅凭粗粒度主题描述，模型自行合成问题-答案对与带特权信息的推理轨迹，无需人工标注 prompt、标准答案或监督信号。该框架在文本与多模态 VQA 上均验证有效，在标准语言基准上取得一致的自我改进，并在提升多个领域的同时保住未训练领域的能力。