Google与乌尔姆大学提出On-Policy自训练框架

2026年10月26日，据AGI Hunt报道，Google与乌尔姆大学在论文中提出On-Policy Self-Training，一种数据无关的LLM自我改进框架。该框架无需人工标注提示词、标准答案或监督信号，仅凭粗粒度主题描述，模型即可自行合成问题—答案对以及带特权信息的推理轨迹。研究在文本与多模态VQA任务上验证了该框架的有效性，称其在标准语言基准上取得一致的自我改进，并在提升多个领域能力的同时保住未训练领域的能力。报道介绍了该框架的方法设计与上述实验结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。