OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理

OpenSIR 提出开放式自博弈框架，让 LLM 无需任何外部训练数据自我提升数学推理能力。单一策略在出题者与解题者间交替：Teacher 生成概念不同的新问题存入 Problem Pool，Student 逐步采样多个解答。奖励由新颖性（难度×多样性）与正确性构成，以无监督方式驱动持续迭代。