Lampinen 梳理自证推理源头：STaR 如何让模型靠自筛正确答案变强

Andrew Lampinen 回顾 Zelikman 等人的 STaR（Self-Taught Reasoner），称其是如今推理模型自我训练路线的源头之一。STaR 先用 few-shot 提示让模型为数据集全部问题生成解题理由，只保留能导出正确答案的理由，再以此微调模型，在可验证任务上靠自筛正确结果实现自我提升。Lampinen 将其作为「模型自我改进并非问题」的论据之一。