arXiv · cs.AI· Leon Sick·· 4 天前AI 评分51
arXiv 论文提出 On-Policy Self-Training：无需数据的大语言模型自我改进方法
On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models
来源与原文
arXiv · cs.AI
作者：Leon Sick
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32770v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文 2610.32770 将 on-policy 自蒸馏重构为自训练框架，仅凭粗粒度高层主题描述，由模型自行合成问题与特权推理轨迹，不依赖任何人工提示或答案。实验覆盖文本与多模态领域，模型在标准语言基准和视觉问答上取得一致的自我提升，且未自训练领域能力得以保留。
来源：arXiv · cs.AI · arxiv.org