高质量数据的不足，已经成为限制大语言模型（LLM）持续学习、提升能力的瓶颈。
为此，Meta 提出了一个名为“语言自我博弈”（Language Self-Play，LSP）的强化学习（RL）新方法，通过让模型在不依赖额外数据的情况下进行自我改进，从而消除了这种依赖性。
论文链接：https://arxiv.org/abs/2509.07414
这一方法利用了自我博弈（se
大模型训练新突破！Meta提出LSP：无数据也能实现能力飞升
学术头条2025-09-20 12:00:02347人阅读
