人工智能領(lǐng)域迎來(lái)一項(xiàng)突破性進(jìn)展——meta超級(jí)智能實(shí)驗(yàn)室的研究團(tuán)隊(duì)提出了一種名為“語(yǔ)言自我對(duì)弈”（LSP）的創(chuàng)新訓(xùn)練方法。該方法通過(guò)讓AI模型同時(shí)扮演“出題者”與“解題者”的角色，實(shí)現(xiàn)了無(wú)需外部數(shù)據(jù)輸入的性能提升。這一成果發(fā)表于學(xué)術(shù)平臺(tái)arXiv，論文編號(hào)為2509.07414v1，為解決AI訓(xùn)練中的數(shù)據(jù)瓶頸問(wèn)題提供了全新思路。iQo28資訊網(wǎng)——每日最新資訊28at.com

傳統(tǒng)AI模型依賴(lài)海量標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，但隨著互聯(lián)網(wǎng)高質(zhì)量數(shù)據(jù)的快速消耗，這一模式正面臨嚴(yán)峻挑戰(zhàn)。研究團(tuán)隊(duì)將AI訓(xùn)練過(guò)程類(lèi)比為廚師學(xué)習(xí)烹飪：若長(zhǎng)期依賴(lài)固定食譜，當(dāng)食材（數(shù)據(jù)）耗盡時(shí)，廚師的技藝將難以精進(jìn)。為此，他們?cè)O(shè)計(jì)了一套讓AI模型“自我博弈”的機(jī)制——同一模型通過(guò)不同提示詞切換角色，在生成問(wèn)題與解答問(wèn)題的過(guò)程中實(shí)現(xiàn)能力提升。iQo28資訊網(wǎng)——每日最新資訊28at.com

在具體實(shí)現(xiàn)中，系統(tǒng)將AI模型分為“挑戰(zhàn)者”與“解決者”兩部分。挑戰(zhàn)者負(fù)責(zé)設(shè)計(jì)高難度問(wèn)題，例如要求“用12升氣瓶制造潛入100米的潛水艇”，或“開(kāi)發(fā)結(jié)合Python與Haskell的編程語(yǔ)言”。隨著訓(xùn)練迭代，問(wèn)題難度持續(xù)升級(jí)，從具體知識(shí)考查轉(zhuǎn)向抽象邏輯挑戰(zhàn)。解決者則需在無(wú)外部數(shù)據(jù)參考的情況下，通過(guò)結(jié)構(gòu)化分析給出創(chuàng)造性解答。這種設(shè)計(jì)使模型在面對(duì)極端問(wèn)題時(shí)，仍能展現(xiàn)出邏輯推理與問(wèn)題分解能力。iQo28資訊網(wǎng)——每日最新資訊28at.com

為確保博弈的有效性，研究團(tuán)隊(duì)構(gòu)建了精密的競(jìng)爭(zhēng)機(jī)制。采用“最小最大博弈”原理，挑戰(zhàn)者通過(guò)降低解決者得分獲得獎(jiǎng)勵(lì)，解決者則通過(guò)優(yōu)化答案質(zhì)量提升自身得分。同時(shí)引入“群體相對(duì)技巧”評(píng)估體系：每輪訓(xùn)練中，挑戰(zhàn)者生成多個(gè)問(wèn)題，解決者提供多組答案，系統(tǒng)基于平均分確定問(wèn)題難度與回答質(zhì)量。KL散度正則化技術(shù)被用于約束模型行為，防止生成無(wú)意義內(nèi)容。iQo28資訊網(wǎng)——每日最新資訊28at.com

實(shí)驗(yàn)環(huán)節(jié)驗(yàn)證了LSP方法的實(shí)效性。研究以Llama-3.2-3B-Instruct模型為基準(zhǔn)，在Alpacaeval指令跟隨能力測(cè)試中，僅通過(guò)自我對(duì)弈訓(xùn)練的模型取得40.6%的勝率，與依賴(lài)大量外部數(shù)據(jù)的傳統(tǒng)方法（40.9%）幾乎持平。在對(duì)話能力專(zhuān)項(xiàng)測(cè)試（Vicuna數(shù)據(jù)集）中，LSP方法表現(xiàn)尤為突出，顯示出持續(xù)對(duì)話生成對(duì)模型性能的促進(jìn)作用。進(jìn)一步實(shí)驗(yàn)表明，將LSP作為傳統(tǒng)訓(xùn)練的補(bǔ)充環(huán)節(jié)，可使模型性能提升至43.1%。iQo28資訊網(wǎng)——每日最新資訊28at.com

質(zhì)量控制是LSP方法的關(guān)鍵創(chuàng)新。針對(duì)挑戰(zhàn)者可能生成無(wú)意義問(wèn)題、解決者可能采用取巧策略的缺陷，研究團(tuán)隊(duì)設(shè)計(jì)了“自我獎(jiǎng)勵(lì)”評(píng)估體系。該體系從任務(wù)明確性、指令清晰度、回答全面性等七個(gè)維度進(jìn)行評(píng)分，每個(gè)維度滿足要求得1分，總分范圍0-7分。這種機(jī)制將零和博弈轉(zhuǎn)化為合作優(yōu)化，促使挑戰(zhàn)者提出更有價(jià)值的問(wèn)題，解決者給出更具實(shí)質(zhì)性的回答。iQo28資訊網(wǎng)——每日最新資訊28at.com

從技術(shù)架構(gòu)看，LSP方法具有顯著優(yōu)勢(shì)。由于挑戰(zhàn)者與解決者共享同一模型參數(shù)，無(wú)需額外存儲(chǔ)空間，計(jì)算資源消耗較傳統(tǒng)對(duì)抗訓(xùn)練降低50%以上。動(dòng)態(tài)難度調(diào)整機(jī)制使問(wèn)題始終處于模型的“最近發(fā)展區(qū)”，既避免因問(wèn)題過(guò)易導(dǎo)致停滯，又防止因難度過(guò)高引發(fā)放棄。這種特性與人類(lèi)“刻意練習(xí)”理論高度契合，為AI自主學(xué)習(xí)提供了生物學(xué)層面的隱喻。iQo28資訊網(wǎng)——每日最新資訊28at.com

盡管成果顯著，LSP方法仍存在局限性。基礎(chǔ)模型的知識(shí)盲區(qū)會(huì)限制自我對(duì)弈的改進(jìn)空間，例如兩個(gè)都不懂量子計(jì)算的模型無(wú)法通過(guò)博弈掌握該領(lǐng)域知識(shí)。實(shí)驗(yàn)發(fā)現(xiàn)模型可能形成特定回答風(fēng)格，在需要靈活應(yīng)變的場(chǎng)景中表現(xiàn)受限。研究團(tuán)隊(duì)提出，未來(lái)需開(kāi)發(fā)更精細(xì)的獎(jiǎng)勵(lì)機(jī)制與訓(xùn)練策略，以提升問(wèn)題多樣性與回答適應(yīng)性。iQo28資訊網(wǎng)——每日最新資訊28at.com

這項(xiàng)研究為AI發(fā)展開(kāi)辟了新路徑。當(dāng)AI具備物理世界交互能力后，LSP方法有望擴(kuò)展至機(jī)器人控制、自動(dòng)駕駛等領(lǐng)域，通過(guò)自我挑戰(zhàn)實(shí)現(xiàn)技能精進(jìn)。對(duì)普通用戶(hù)而言，這意味著AI助手可在不依賴(lài)個(gè)人數(shù)據(jù)的情況下持續(xù)優(yōu)化，既降低隱私風(fēng)險(xiǎn)，又減少對(duì)數(shù)據(jù)標(biāo)注的依賴(lài)。開(kāi)發(fā)者則能以更低成本訓(xùn)練高性能模型，推動(dòng)AI技術(shù)更廣泛地普及。iQo28資訊網(wǎng)——每日最新資訊28at.com

   更多>同類(lèi)資訊聯(lián)發(fā)科天璣9500首推雙NPU架構(gòu)，讓AI常駐手機(jī)開(kāi)啟主動(dòng)服務(wù)新體驗(yàn)09-23DeepSeek-V3.1升級(jí)至Terminus版 優(yōu)化語(yǔ)言一致性及Agent能力09-23斯坦福等高校聯(lián)手：用LMEnt套件追蹤AI語(yǔ)言模型知識(shí)學(xué)習(xí)軌跡09-23AI搜索的數(shù)學(xué)邊界：當(dāng)最強(qiáng)大模型遇上"簡(jiǎn)單問(wèn)題"的隱秘困局09-23中科院團(tuán)隊(duì)創(chuàng)新CARVE法：破解AI視覺(jué)“分心”難題，助模型精準(zhǔn)聚焦09-23Plaud攜三款A(yù)I紀(jì)要新品入局大陸市場(chǎng)，多模態(tài)交互與長(zhǎng)續(xù)航成亮點(diǎn)09-23DeepSeek線上模型升級(jí)至V3.1-Terminus，輸出更穩(wěn)Agent能力再提升09-23DeepSeek-V3.1升級(jí)至V3.1-Terminus：語(yǔ)言更一致，代理更強(qiáng)大，輸出更穩(wěn)定09-23上海人工智能實(shí)驗(yàn)室牽頭！科學(xué)智能戰(zhàn)略科技力量聯(lián)盟正式成立09-23DeepSeek-V3.1-Terminus發(fā)布：修復(fù)Bug，編程與搜索智能體能力再升級(jí)09-23科學(xué)智能戰(zhàn)略科技力量聯(lián)盟成立 共探AI賦能多學(xué)科創(chuàng)新發(fā)展路徑09-23中國(guó)電信引領(lǐng)6G新突破：首個(gè)6G計(jì)費(fèi)項(xiàng)目獲3GPP正式批準(zhǔn)09-23DeepSeek-V3.1-Terminus更新登場(chǎng)！修復(fù)關(guān)鍵Bug，Agent能力躍升，V4還會(huì)遠(yuǎn)嗎？09-23百度智能云千帆開(kāi)源Qianfan-VL視覺(jué)模型，多尺寸適配，全自研芯片賦能高效計(jì)算09-23人工智能投資新視角：大模型進(jìn)階智能體，場(chǎng)景化應(yīng)用前景展望今天分享的是：人工智能專(zhuān)題：從大模型到智能體——人工智能+場(chǎng)景的投資展望 報(bào)告共計(jì)：31頁(yè) 《人工智能專(zhuān)題：從大模型到智能體——人工智能+場(chǎng)景的投資展望》報(bào)告首先探討“什么是真正的人工智能”，指出大語(yǔ)言模型如…09-23點(diǎn)擊查看更多 +全站最新?9月狹義乘用車(chē)零售預(yù)計(jì)達(dá)215萬(wàn)輛，新能源車(chē)滲透率或超58%引關(guān)注?6.88萬(wàn)起極狐T1實(shí)測(cè)：空間越級(jí)配置足，小電車(chē)市場(chǎng)殺出“全能王”？?雷軍官宣小米17系列9月25日發(fā)布，盧偉冰稱(chēng)產(chǎn)品力跨代升級(jí)且對(duì)標(biāo)iPhone17??小米17系列9月25日發(fā)布在即，雷軍年度演講《改變》將揭秘芯片與汽車(chē)故事??雷軍宣布：9月25日小米17系列發(fā)布，同期將舉辦第6次年度演講聊芯片與汽車(chē)故事?小米SU7標(biāo)準(zhǔn)版11.7萬(wàn)輛召回：OTA升級(jí)背后的智能駕駛安全與行業(yè)新挑戰(zhàn)熱門(mén)內(nèi)容

• 寒武紀(jì)回應(yīng)訂單不實(shí)傳聞：產(chǎn)品多行業(yè)部署，存貨增長(zhǎng)因云端備貨
• 熱度攀升！千億科技龍頭頻獲機(jī)構(gòu)調(diào)研，業(yè)務(wù)增長(zhǎng)透露哪些行業(yè)新動(dòng)向？
• 蘋(píng)果加速AI布局，或收購(gòu)兩家法國(guó)AI初創(chuàng)企業(yè)
• 蘋(píng)果秋季發(fā)布會(huì)亮相iPhone 17系列："史上最薄"Air登場(chǎng)，Pro Max 2TB版定價(jià)17999元
• 蘋(píng)果加速布局中國(guó)市場(chǎng)！Apple Intelligence和新版Siri或年底至明年上線
• ?小米16系列或提前登場(chǎng)，首發(fā)驍龍8 Elite Gen5，9月機(jī)圈大戰(zhàn)一觸即發(fā)?
• 均勝電子新品亮相：AI頭部總成、全域控制器等完善機(jī)器人產(chǎn)品矩陣
• 國(guó)金證券：A股第三輪重估腳步臨近，三類(lèi)資產(chǎn)投資方向值得關(guān)注
• 蘋(píng)果AI布局加速，或?qū)⒊饩拶Y收購(gòu)歐洲兩大AI初創(chuàng)企業(yè)
• 18歲涂津豪：從DeepSeek實(shí)習(xí)生到Nature封面作者，以少年之力叩響AI新章
• WAVE SUMMIT大會(huì)新動(dòng)態(tài)：文心大模型X1.1上線，多項(xiàng)能力顯著躍升
• 華為智能手表登頂全球，蘋(píng)果需直面挑戰(zhàn)求變革
• ?字節(jié)跳動(dòng)千人芯片團(tuán)隊(duì)架構(gòu)調(diào)整，轉(zhuǎn)至新加坡子公司Picoheart引關(guān)注?
• 華為Mate系列2025年選購(gòu)指南：三款高性?xún)r(jià)比機(jī)型技術(shù)解析與場(chǎng)景適配
• ${亞馬遜發(fā)布"2025產(chǎn)品創(chuàng)新出海品牌五十強(qiáng)"：出口跨境電商規(guī)模達(dá)2.15萬(wàn)億

本欄最新第22屆東博會(huì)AI元素亮眼：數(shù)字智能體引路 機(jī)器人炫技展風(fēng)采AI云競(jìng)爭(zhēng)下半場(chǎng)：華為以超節(jié)點(diǎn)、企業(yè)Agent等破局，誰(shuí)能領(lǐng)跑產(chǎn)業(yè)？2025網(wǎng)安周：每日互動(dòng)劉宇談AI時(shí)代，知識(shí)安全成關(guān)鍵，共筑數(shù)字新未來(lái)中國(guó)大模型DeepSeek首登Nature封面，R1訓(xùn)練成本僅約208萬(wàn)引關(guān)注華為全聯(lián)接大會(huì)2025啟幕，發(fā)布全球最強(qiáng)算力超節(jié)點(diǎn)與集群有鹿機(jī)器人+連合直租：以智能租賃模式，開(kāi)啟高端場(chǎng)景清潔新未來(lái)

本文鏈接：http://m.www897cc.com/showinfo-45-27965-0.htmlMeta實(shí)驗(yàn)室新突破：AI模型開(kāi)啟"自我對(duì)弈"模式，不依賴(lài)數(shù)據(jù)也能持續(xù)進(jìn)化

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 復(fù)旦大學(xué)AgentGym-RL框架：小模型大智慧，AI智能體學(xué)會(huì)復(fù)雜任務(wù)長(zhǎng)期規(guī)劃

下一篇： 聯(lián)發(fā)科天璣9500首推雙NPU架構(gòu)，讓AI常駐手機(jī)開(kāi)啟主動(dòng)服務(wù)新體驗(yàn)